摘要：近年来，NIR技术作为一项快速、高效、无损的分析技术得到了深入的发展，并广泛应用在食品质量监测领域。NIR技术结合新型化学计量学方法，可以有效实现对食品进行产品种类、组分含量、质量测定等。综述了NIR技术在食品领域的研究进展。
关键词：近红外光谱分析技术；食品领域；应用
中图分类号：TS201 文献标志码：A doi：10.16693/j.cnki.1671-9646（X）.2018.02.019
The Application of NIR Technology in Food
LIU Xiaohong，*WANG Hui，YAO Hanxiao，MA Ruxia，QI Xin，GUO Qi
（Department of Food Science and Engineering，Liaocheng University，Liaocheng，Shandong 252059，China）
Abstract：In recent years，NIR technology has developed rapidly as fast，efficient and nondestructive analytical technique，and has been widely used in food quality monitoring. In combination with the new chemometrics method，the product category，component content and quality determination of food can be realize effectively. In this essay，the progress of NIR technology in food field was reviewed.
Key words：near infrared spectral analysis technology；food sector；application
1800年，近红外光谱分析技术首次被提出，并且在农副产品的分析中被首次应用，但受当时科学水平的限制，该技术未得到深入研究和发展。直到上世纪80年代中期，计算机的快速发展为化学计量的应用提供了必要条件。其中，近红外光谱分析技术是应用最为广泛的高新分析技术之一。近红外光谱分析技术是利用近红外光在光纤中良好的传输特性，依赖日益完善的近红外光谱仪器，对有机物进行定性、定量和结构分析的最高效手段之一，在农产品、医药化工等多领域被广泛应用。对近红外光谱分析技术进行研究，并对其在食品检测领域的应用研究进展情况进行综述。
1 NIR技术原理
当近红外线照射物质时，其中的有机物和部分无机物分子中各种含氢基团被激发产生共振，同时吸收一部分光的能量，通过测量其对光的吸收情况，可以得到极为复杂的红外图谱，该图谱表示被测物质的特征。近红外光谱波长在780～2 526 nm，主要是-H，C-H，N-H等含氢基团各级倍频振动和组合频的振动吸收，通过对样品进行测试得到其近红外光谱，就可以得到样品中水分及有机分子含氢基团的特征吸收峰，从而进行各种有机成分及水的定量分析和定性分析[1]，由于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。因此，物质的组成和结构信息可以通过红外图谱反映，从而NIR技术可以作为获取信息的一种有效载体。目前，近红外光谱分析过程的绿色化已使其具有了典型的时代特征，具有原样直接测试、无化学试剂消耗、无环境污染等优点，因此该技术受到快速发展和推广。
2 NIR技术在食品中的应用
2.1 在果蔬中的应用
果品的组成成分较为简单，并且成分间的相互作用不明显。水分占果品质量的85%～90%，是果品中最丰富的组成成分，水分对近红外光吸收强烈，时常覆盖其他成分信息，易产生干扰，因此多数果品的品质由成分指标糖酸比和质地指标硬度等来评价，果品的质构和糖度与酸度因品种不同而各异[2]。金同铭等人[3]在波长910 nm附近测定的高、中、低糖含量的二阶导数光谱之间有明显差异，于是将该波长选作定标的第一波长。经910，884，843，991 nm 四波长线性回归结果显示其相关系數为0.984，标准误差为0.360，检验时的标准误差为0.450，离差为0.11。NIR光谱法在实际应用中，可满足完整苹果糖含量的测定精度。
2.2 在粮油中的应用
NIR技术作为粮油贮藏中常用的技术之一，不但可用于整粒粮食及其制品中进行湿度、蛋白、油脂、纤维、淀粉等的测定，而且还能用于油料品质、油脂含量和脂肪酸分析的测定。粮油产品常规的测定成分有蛋白质、脂肪、水分、氨基酸、微量元素、维生素等，红外光谱分析技术已经在这些成分的测定上得到应用。
郑咏梅等人[4]采用多元线性回归的逐步分析算法，对小麦粉的近红外光谱波段（I：1 000 ～1 400 nm；II：1 400～1 860 nm；Ⅲ：1 860～2 500 nm）进行了回归特征提取，确定了最佳回归波长，给出了各段回归的数学模型，对小麦粉蛋白质的近红外光谱成分进行了比较，分析得出小麦粉在不同波段的近红外结果，其中在1 860～2 500 nm，1 400～1 860 nm波段回归模型预测较好，最差的波段为1 000～1 400 nm。表明了样品在不同近红外波段的吸收程度不同，同时也得出了逐步回归算法可以有效提取光谱的特征信息的结论。
凌英华等人[5]应用近红外透射光谱技术，采用偏最小二乘法（PLS）建立重庆地区稻米活体蛋白质含量（PC）定量分析数学模型。结果表明，糙米和精米蛋白质含量预测数学模型的定标标准误偏差（SEC）、交叉检验标准误差（SECV）、定标相关系数（RSQ）和交叉验证相关系数（1-VR）分别为0.252，0.247；0.256，0.278；-0.953，0.946；0.951， 0.940；近红外预测值与化学值误差范围分别为-0.61～0.18，-0.39～ 0.46 ，相关系数分别为0.984，0.978，均达到极显著相关。利用该模型能够对育种材料的蛋白质含量进行快速非破坏性活体测定，可大大提高育种选择效率。
王林友等人[6]用傅立叶变换近红外漫反射光谱法测定出完整油菜籽含油量、油酸和硫甙。结果表明，该方法与常规方法有相似的准确性和精确性，可以对油菜籽成分进行测定。吴建国等人[7]用NIRS法整粒测定油菜籽含油量，还对NIRS在测定油菜籽芥酸和硫甙时的技术进行优化设置。
2.3 在动物源食品中的应用
2.3.1 牛奶
（1）近红外光谱用于牛奶理化指标的检测。吕丽娜等人[8]研究了近红外漫反射光谱在牛奶主要成分分析中的应用来提高牛奶成分化学分析的效率，并对光在牛奶中的传播方式和相关测量方法的选择进行讨论；采用偏最小二乘法（PLS）建立校正模型，对各种预处理方法和不同光谱区的建模效果进行比较。结果表明，近红外漫反射光谱可以测量牛奶中的主要成分。
王云等人[9]为了研究牛奶主要成分用近红外光谱法对其进行分析，研究中重点对不同近红外区域的检测结果对比，利用偏最小二乘法（PLS）建立校正模型，对不同光谱区域和数据预处理对模型准确性的影响做了讨论。结果表明，牛奶中脂肪及蛋白质含量在长波段1 700～2 500 nm上的检测准确性最好。
（2）近红外光谱用于牛奶掺假的鉴别。韩东海等人[10]为了研究纯牛奶中还原奶的情况，利用红外光谱技术对其进行快速、准确、无损伤的鉴别，结果表明，该法可用于对原料奶新鲜度的判别。对含20%以上还原奶的牛奶正确判别率约在90%以上，对含50%以上还原奶的牛奶可以做到对二者的判别率均为100%。利用偏最小二乘方法建立了原料奶酸度和pH值预测的定量数学模型，其平均预测误差小于0.5%，近红外光谱技术可以达到乳品企业快速准确预测的要求。
（3）近红外光谱对牛奶成分的检测。朱俊平等人[11]对儿童高钙奶粉的成分采用近红外光谱技术进行测定。用近红外检测的儿童高钙奶粉中的水分、乳糖、蔗糖、蛋白质和脂肪用多元线性回归法分别建立测定模型。把近红外法的测定结果与标准方法的测定结果相比较，二者结果一致。认为奶粉生产过程中的质量问题可以用近红外光谱法来控制，并可为食品检测提供一种新的无损、快速的方法。
廖婷等人[12]采用声光可调滤光器（AOTF）——近红外（NIR）光谱仪建立液态纯牛奶快速无损检测方法，用自编的光谱实时采集分析软件，采集112个牛奶光谱并建立聚类分析、主成分分析（PCA）定性判别模型和偏最小二乘法（PLS）定量分析模型。结果表明，定性分析模型能有效分类，并可进行实时预测。
褚鹏蛟等人[13]研究了用于快速测定牛奶主要成分含量的近红外透射光谱法和漫反射光谱法，分析了 2种方法在实际测量中的差异，并提出将2种方法结合形成复合光谱法用于牛奶成分含量的检测。结果表明，复合光谱法的应用有效地提高了多变量回归分析中牛奶成分含量的预测精度。
2.3.2 肉类
肉类工业可以利用近红外光谱技术以达到快速、在线、无损的品质检测的目的，以及肉和肉制品行业的安全监控。自1960年就已有近红外反射光谱和蛋白质、脂肪、卡路里、水分之间相关性的研究试验，这些研究为近红外光谱技术的应用和发展奠定了基础[14]。
应用近红外光谱技术，将测定的沃-布剪切力值与光谱值进行关联建模，实现肉类嫩度的仪器评定。Byrne C E等人[15]在750～1 098 nm的光谱范围内采用主成分分析法研究了牛肉背最长肌的嫩度、纹理、风味与近红外光谱的相关性；还有研究者采用近红外反射光谱技术结合主成分分析法（PCR）分析波长在1 100～2 498 nm 处生牛肉的吸收光谱，发现其与剪切力测得的熟肉嫩度相关。
近年来，有学者综合利用近红外光谱技术和可见光对肉色进行研究。通过利用聚类分析方法对光谱数据进行分类处理、利用近红外漫反射光谱法建立挥发性盐基氮预测模型。侯瑞锋等人[16]完成了对肉品的新鲜度非破坏性检测的相关研究。
2.3.3 鸡蛋
Giunchi A等人[17]利用近红外光谱技术检测生鸡蛋的新鲜度，检测结果理想。试验中分别照射鸡蛋的赤道面和钝面，再测定鸡蛋气室高度、蛋白高度和哈氏单位，用PCA，PLS 和偏最小二乘法建立模型后進行判别分析。结果表明，按照贮藏时间进行区分的正确率为100%，说明运用近红外光谱技术可以快速、准确地对生鸡蛋的新鲜度进行预测。
2.4 在水产品中的应用
水产品的新鲜程度是评价其品质优劣的重要指标，传统的评价方法费时、费力，无法满足实际的需求。刘源等人[18]用近红外光谱分析技术对冰藏条件下不同贮藏时间下大黄鱼的新鲜度进行评价，以挥发性盐基氮作为新鲜度的评价指标，比较了不同预处理方法单独或联合使用、不同建模方法、不同波数范围所建模型定标集与验证集的相关系数与标准偏差，构建了最优市售冰鲜大黄鱼TVB-N定量模型，以期快速预测其新鲜度。研究表明，使用趋近归一化结合一阶导数和单位长度归一化结合一阶导数作为光谱预处理方法，偏最小二乘法（PLS）作为建模方法以及选择波数范围5 000～7 144 cm-1时可以达到最佳建模效果。试验尝试将多种光谱预处理方法结合起来使用并对波数范围进行了筛选，得到的模型效果良好，在大黄鱼新鲜度检测及品质评价方面具有较好的市场应用前景。
2.5 在饮料中的应用
2.5.1 对杨梅汁品种及可乐品牌的快速鉴别
岑海燕等人[19]为了实现杨梅汁品种的快速无损鉴别研究了用近红外光谱技术快速鉴别杨梅汁品种的新方法。采用偏最小二乘法进行模式特征分析，经过交互验证法判别，确定最佳主成分数据为9个。完成特征提取后，将这9个主成分作为神经网络的输入变量，建立了3层 BP神经网络，实现类别预测的同时也完成了数学建模与优化分析工作。应用可见光及近红外光谱技术和模式识别建立了杨梅汁品种鉴别的模型，该模型的预测效果很理想，对未知样品的预测相对误差均在5%以下，识别率达到100%，说明运用近红外光谱技术可以准确地对杨梅汁品种进行鉴别。
裘正军等人[20]提出了一种新方法来区分可乐的品牌，利用可见-近红外光谱分析的方法来实现。首先，用光谱仪对3个品牌进行光谱分析，分别采集55个样本数据然后，选出15个作为预测样本，剩下的都作为建模样本，分选过程要保证随机性，对样本作预处理，使用标准归一化方法和平均平滑法。最后需建出人工神经网络鉴别模型，还要预测15个先前选出的预测样本，而这需要各主成分数据，所以在对光谱数据进行聚类分析时采用了主成分分析法来获得了数据。通过分析，预测结果完全正确，快速鉴别可乐品牌的方法切实可行。
2.5.2 对果汁可溶性固形物含量的定量分析
谢丽娟等人[21]采用近红外光谱分析技术对浙江省不同产地的杨梅汁进行了光谱测定和定量分析，通过计算来判别异常样品，采用偏最小二乘法（PLS）对杨梅汁的可溶性固形物进行建模分析，选取不同的分辨率和波段范围进行有效光谱的信息提取和分析，确定了用于定量分析的最优波段范围和最佳的回归因子数。研究表明，杨梅汁可溶性固形物的定量分析可用近红外光谱检测技术测定。
陈辉山等人[22]用傅立叶变换近红外光谱透射方式对新鲜苹果汁可溶性固形物含量（SSC）进行了快速定量分析。试验共测定了60个果汁样品的可溶性固形物含量，采集了样品的近红外光谱数据后，用其中的42个样品来建模，剩下的18个样品用来验证模型的性能。对实验室测得的可溶性固形物含量与傅立叶变换近红外光谱所得的数据进行相关性分析，用主成分回归法和偏最小二乘回归法建立检测模型。对不同光谱范围内建立的检测模型的性能进行了研究对比后，结果表明评价新鲜果汁的可溶性固形物含量，傅立叶变换近红外光谱透射可以作为一种可靠、准确、快速的无损检测方法。
2.6 在酒中的应用
2.6.1 近红外光谱技术在分析白酒中关键指标的应用
王贞佐等人应用近红外光谱技术结合偏最小二乘法（NIRS-PLS）建立白酒中乙醇含量定量分析数学模型。模型通过交互验证检验，得出PLS因子数为4时预测残差平方和（PRESS）和交互验证均方根误差（RMSECV）最小。试验结果表明，该方法准确性好、稳定性好、精密度高。
陈妍等人为适应快速分析白酒中关键指标的需要，研究应用近红外光谱法（NIR）来测定白酒样品中乙醇、总酸、总酯和己酸乙酯含量。试验收集了129份市售白酒样品，利用最小二乘法（PLS）回归分析，建立相应的定标模型。结果表明，与传统分析方法相比，近红外光谱法在测定乙醇、总酸、总酯和己酸乙酯等指标方面具有方便、 快速、 无损和耗费少等优点，尤其适合大批量样品分析，具有很好的应用前景。
2.6.2 近红外光谱技术在鉴别酒掺杂与样品种类的应用
杨国强等人为了快速鉴别掺杂与伪劣清香型白酒，利用近红外（NIR）透射光谱分析技术结合化学计量学方法，以酒精度为53%的汾阳王酒为例，建立BP神经网络和最小二乘支持向量机（LS-SVM）鉴别分析模型。分别采集180份掺杂假冒和120份伪劣汾阳王酒样品的光谱数据，采用SG卷积平滑法对光谱数据进行预处理， 应用主成分分析（PCA）法分別提取了7个和11个主成分因子，然后采用BP神经网络和最小二乘支持向量机（LS-SVM）对未知样本进行了判别分析。结果表明，经 SG-PCA- BP 模型鉴别假冒伪劣的准确率均达到100%，说明NIR技术可以用来鉴别白酒的掺假和伪劣。
赵龙莲等人应用近红外光谱，结合模式识别方法对不同品种葡萄酒样品的实现快速无损鉴别，对赤霞珠和美乐2种干红葡萄酒进行了判别分类。将44个原料酒样用傅立叶变换近红外光谱仪在NIR区波段12 500～3 900 cm-1上扫描光谱。用主成分分析法和聚类分析法对样本进行初步分析，再采用支持向量机分别以原始光谱和主成分特征进行判别分类，采用linear核，10次选择性抽样测试集的平均预测准确率为94.29%。研究结果表明，利用近红外光谱结合模式识别的方法可对不同品种葡萄酒进行快速鉴别。
3 结语
现代近红外光谱技术由数字化仪器设备和化学计量学学科结合而成，摆脱了传统试验方法步骤繁琐、耗时较长、无法满足生产需要的弊端，现已在食品检测中发展成为一种操作方便、高效快捷的技术。现代近红外光谱技术凭借其自身的独特优势，在果蔬粮油、动物源食品等方面具有良好发展前景。
参考文献：
罗玉坤，杨金华. 中国特优稻种资源评价[M]. 北京：中国农业出版杜，1998：46-47.
韩东海，王加华. 水果内部品质近红外光谱无损检测研究进展[J]. 中国激光，2008，35（8）：1 123-1 131.
金同铭，崔洪昌，河野澄夫. 近红外（NIR）光谱法测定完整苹果糖的含量[J]. 华北农学报，1995，10（3）：87-90.
郑咏梅，张军，李荣福，等. 小麦近红外特征波长提取及蛋白质含量测定[J]. 激光与红外，2003（2）：125-127.
凌英华，冯丽，卢瑶，等. 稻米蛋白质含量快速活体测定的定标研究[J]. 西南农业学报，2007（3）：341-344.
王林友，王建军，张冬青，等. 近红外漫反射光谱法对粮油作物品质无损分析的研究[J]. 浙江农业学报，2002（2）：105-111.
吴建国，石春海，张海珍. 构建整粒油菜籽脂肪酸成分近红外反射光谱分析模型的研究[J]. 光谱与光谱分析，2006，26（2）：259-262.
吕丽娜，张玥，周定文. 采用近红外漫反射光谱法分析牛奶成分[J]. 天津大学学报，2004，37（12）：1 903-1 906.
王云，徐可欣，常敏. 近红外光谱技术检测牛奶中脂肪及蛋白质含量校正模型的建立[J]. 光学仪器，2006， 28（3）：3-7.
韩东海，鲁超，刘毅. 纯牛奶、还原奶、掺假奶、牛奶新鲜度的近红外检测[J]. 乳业导刊，2006（4）：39-41.
朱俊平，刘玲君，张彦辉，等. 近红外光谱分析技术快速测定儿童高钙奶粉理化指标的研究[J]. 食品科技，2003，28（5）：83-87.
廖婷，陈永峰，杨行，等. AOTF-NIR光谱仪在液态奶快速检测中的研究[J]. 压电与声光，2014，36（6）：999-1 002.
褚鹏蛟，吕丽娜，常敏，等. 复合近红外光谱法在牛奶测定中的应用[J]. 理化检验-化学分册，2007，43（2）：116-121.
徐霞，成芳，应义斌. 近红外光谱技术在肉品检测中的应用和研究进展[J]. 光谱学与光谱分析，2009，29（7）： 1 876-1 880.
Byrne C E，Downey G，Troy DJ，et al. Nondestructivep rediction of selected quality altributes of beef by near-infrared reflectance spectroscopy between 750 and 1 098 nm[J]. Meat Science，1998，49（4）：399-409.
侯瑞峰，黄岚，王中义，等. 用近红外漫反射光谱检测肉品新鲜度的初步研究[J]. 光谱学与光谱分析，2006， 26（12）：2 193-2 196.
Giunchi A，Berardinelli A，Ragni L，et al. Non-destructivefreshness assessment of shell eggs using FT-NIR spectroscopy[J]. Journal of Food Engineering，2008（2）：142-148.
劉源，陈伟华，侯巧娟，等. 应用近红外光谱技术评价冰鲜大黄鱼新鲜的研究[J]. 光谱学与光谱分析，2014，34（4）：937-941.
岑海燕，鲍一丹，何勇. 基于光谱技术的杨梅汁品种快速鉴别方法的研究[J]. 光谱学与光谱分析，2007，27（3）：503-506.
裘正军，陆江锋，毛静渊，等. 基于可见-近红外光谱的可乐品牌鉴别方法研究[J]. 光谱学与光谱分析，2007， 27（8）：1 543-1 546.
谢丽娟，刘东红，张宇环，等. 近红外光谱技术定量测定杨梅汁可溶性固形物[J]. 光谱学与光谱分析，2007，27（7）：1 332-1 335.
陈辉山，应义斌，傅霞萍，等. 新鲜苹果汁可溶性固形物含量的傅里叶变换近红外光谱检测[J]. 光谱学与光谱分析，2007，27（3）：494-497. ◇
相关热词搜索： 食品 技术 NIR