近红外光谱分析技术在食品品质鉴别检测中的应用-食品加工技术论文

      【摘 要】 介绍了近红外光谱分析技术在食品鉴别检测中的应用，重点列举了其在食品种类及产地鉴别、食品掺假鉴别、食品质量评估与分级等方面的应用，并对其在食品品质分析中的应用前景作以展望。

【论文关键词】 近红外；近红外光谱分析技术；食品；应用

1 引言

       随着科技的进步和人们健康意识的增强，相比食品的色香味，人们更注重食品的营养价值和质量安全性。对食品进行鉴别检测是保证其质量安全的最重要的手段。近红外光谱( Near Infrared Spectroscopy，简称NIRS)分析技术是20世纪80年代后期迅速发展起来的一项测试技术，在石油化工、农业以及食品工业、纺织工业、制药工业和临床医学等领域都有着广泛的应用。与传统分析技术相比，近红外光谱分析技术能在几十秒甚至几秒内，仅通过对样品的一次近红外光谱的简单测量，就能同时测定物质的多种成分数据，而且被测样品用量很少，无破坏、无污染，具有高效、快速、成本低和绿色环保等特点。因此近红外光谱分析技术以其自身的优点成为食品质量分析方面的一种首选技术，将NIRS技术应用于食品的无损检测与鉴别是现阶段国内外学者们的研究热点。

2 近红外光谱分析技术概述

       近红外(Near Infrared简称 NIR)光是波长范围介于可见光(VIS)与中红外(MIR)区之间的电磁波，波长范围为 780～2526 nm，波数范围 12820～3959 cm-1。近红外光谱包含有丰富的物质信息，NIR技术作为一种分析手段，可以测定有机物以及部分无机物。这些物质分子中化学键结合的各种基团(如O-H，C= O，N-H，C-H)的伸缩、振动和弯曲等运动都有固定的振动频率。当分子受到红外线照射时，被激发产生共振，同时光的能量一部分被吸收，测量其吸收光，可以得到极为复杂的图谱，这种图谱表示被测物质的特征。不同物质在近红外区域有丰富的吸收光谱，每种成分都有特定的吸收特征，这就为近红外光谱定性分析和定量分析提供了基础。

       近红外光谱分析方法是一种间接分析方法，它是光谱测量技术、化学计量学技术和基础测量技术的有机结合，其分析过程主要包括以下几个步骤：①是选择有代表性的样品（训练集样品）并测量其近红外光谱;②是采用标准或认可的参考方法测定所关心的组分或性质数据;③是利用测量的光谱和基础数据，用适当的化学计量方法建立校正模型;④是未知样品组分或性质的测定。

3用于食品品质鉴别检测的近红外定性分析方法概述

       所谓近红外光谱技术的定性分析通常指只需要知道样品的类别或质量等级，并不需要知道样品中含有的组分数和含量的分析问题。近红外光谱技术的定量分析则是利用近红外光谱与化学计量学方法建立定量模型从而准确测定物质某些成分的含量。近红外光谱技术的定性分析是一大特色，依据同类样品在不同波长下具有相同的光谱，借助多元分析方法，使各样品能够进行聚类识别，结合某一类定量模型进而对化合物的各定量参数作出判断。常用方法有近红外光谱峰位鉴别法和模式识别法。在近红外光谱定性分析中常用的模式识别方法很多，常用的有聚类分析法、主成分分析结合马氏距离法和人工神经网络方法。

4近红外光谱分析技术在食品品质鉴别检测中的应用现状

      食品是人类生命活动不可缺少的能量来源，食品与人类的健康息息相关。近年来由于一系列食品原料污染，基因工程技术的应用，以及一些人为不法分子为了谋求个人利益蓄意掺假等使得食品安全问题成为全世界所共同关注。尤其是中国加入了WTO后，中国食品与国际食品的快速接轨，由于检测方法、标准、法规都与发达国家有一定的差距。因此寻求一种理想的准确、方便、经济、安全的快速检测方法势在必行。近红外技术应用于食品鉴别检测的时间虽然较短，但由于其分析速度快，分析成本低，操作方便，使其在这一领域将有广泛的应用前景。

4.1食品种类、产地鉴别 应用近红外鉴别食品种类、产地等是现阶段国内外学者们的研究热点。Cozzolin和Murray利用主成分分析(Principal Component Analysis, PCA)分析来自不同动物的来源肉(牛肉、猪肉、羊肉和鸡肉)，其准确鉴别水平可达到80%；Reid等人利用NIR结合线性判别分析(Linear Discriminant Analysis, LDA)和PLS区分来自不同苹果品种的果汁，鉴别水平高达100%。Iizuka K等收集了38种产于日本各地的酱油，他们测量了酱油的近红外谱，并用LDA( Linear Discriminant Analysis) 和PLS( Partial Least Squares)对酱油进行了分析。发现近红外技术可以区分酱油的产地，并认为不同产地的酱油其质量存在差异可能是实现酱油辨别的主要原因。Delwiche等先用近红外光谱法分别对完整小麦的硬度进行测量，然后对其分类，比较了多元线性回归、主成分分析(含马氏距离)、偏最小二乘和人工神经网络4种化学计量学方法的建模效果。结果表明，所有模型的分类准确性都大于