食品检测中红外光谱的应用

2019-02-22 16:33:22 来源：食品安全导刊

评论0条我来说两句

　　摘要：水、脂肪、碳水化合物、维生素、蛋白质是食品的主要组成成分，这些组分在红外线区域内均有吸收光谱。利用红外光谱技术可以准确检测出食品组分及其结构性质。本文以食品红外光谱检测为研究对象，介绍红外光谱的检测原理，分析食品检测中红外光谱的应用进展，并对红外光谱在食品检测中的应用进行简单的探究。

　　关键词：食品检测；红外光谱；Near Infrared

　　前言

　　傅里叶变换红外光谱技术是一种新型的无损检测技术，在食品检测中发挥着良好的效用。应用傅里叶变换红外光谱技术可以直接对食品进行检测，而且检测效率较高，检测成本较低，污染程度较小。因此，适当分析傅里叶变换红外光谱技术在食品检测中的应用具有非常重要的意义。

　　红外光谱的检测原理

　　红外光谱是一种分子吸收光谱，主要包括Near Infrared（近红外检测/0.75-2.5μm）、Far Infrared（远红外检测/25-1000μm）、Middle Infrared（中红外检测/2.5-25μm）三个区段。食品样本受到频率连续变化的红外光照射后，其分子会吸收一定频率红外光辐射[1]。随后由振动运动（或转动运动）引起分子偶极矩变化，最终形成红外吸收光谱。通过对红外吸收光谱中不同吸收峰化学基团进行对比分析，可判定化合物的结构和状态，进而确定食品性质。

　　食品检测中红外光谱的应用进展

　　目前应用于食品检测领域的红外光谱技术主要为Near Infrared（近红外检测）和Middle Infrared（中红外检测）。

　　Near Infrared应用进展

　　Near Infrared在食品检测中的应用主要源于20世纪80年代，其将计算机技术、光谱测量技术、基础测试技术与化学计量学技术进行了有机整合，成为独立的食品检验模块。Near Infrared在食品检测中的应用主要包括粮食安全性、肉类安全性、食用油安全性、乳制品安全性、茶叶安全性、酒类安全性等模块。如利用Near Infrared检测技术，可对黑木耳、银耳、黑牛肝菌等食用菌，或者不同区域生产的山药样本进行红外检测分析[2]。

　　Middle Infrared应用进展

　　Middle Infrared在食品检测领域中可检测食用油组分、粮食成分及肉制品中反式脂肪酸含量。如根据油脂中多次甲基链C-O、C-H在Middle Infrared振动方式、振动频率差异[3]。利用Middle Infrared主成分分析方式，可区别葵花油、玉米油、菜籽油及橄榄油在1800-1000-1辐射区域内变化；通过液体油样光纤分析，还可以对Middle Infrared光谱进行二阶导数处理，及时确定食品掺假情况。

　　红外光谱在食品检测中的应用

　　红外光谱在食品定性鉴别中的应用

　　现阶段我国食品市场，不少商家为牟取更大利润向食品中掺加葡萄糖、淀粉、抗生物等，以实现以次充好的目的。针对上述情况，可利用Near Infrared检测技术，对食品进行直接扫描检测，确保食品掺假问题的及时发现，保证食品安全。以Near Infrared定性分析牛奶掺假为例，在定性分析过程中，检测人员可分别收集掺有豆浆的牛奶样本、生鲜牛奶样本及掺有尿素的牛奶样本，利用主成分分析技术，结合人工神经网络，进行掺假牛奶定性分析模型的构建。在掺假牛奶定性分析模型中，通过对样本数据分析，可以保证牛奶掺假识别率在93.56%以上。

　　另外，利用Middle Infrared进行食品定性分析，抽取性质相似的样品，在统一辐射区域内进行红外光谱照射，并以主成分为依据，进行二维线性投影，根据投影图内红外吸收峰聚类，可以确定不同食物的性质差异。如选择我国绍兴米酒、嘉善米酒样本，在傅里叶红外检测仪的Middle Infrared区段内进行扫描。随后利用PCA分析法进行分析，可区分两地米酒的差异。

　　红外光谱在食品定量分析中的应用

　　一方面，基于Near Infrared的食品定量分析主要通过多个食品样本的识别，在4200-4800nm-1波段内对食品各组分含量，进行最小二乘定量模型的构建。通过对多个食品预测组分含量与参考含量的对比分析，可有效判定被检测食品组分含量的超标情况。如利用傅里叶红外变化模型，向槐花蜜、油菜蜜中掺加5.0%的麦芽糖浆，利用竞争性自适应重加权算法，构建蜂蜜的麦芽糖浆含量定量模型。通过对两样本定量模型方根对比分析，可确定两种蜂蜜的麦芽糖浆掺加含量。在此基础上，检测人员可进一步拓展检测范围，即向槐花蜜中掺加不同含量的麦芽糖浆，配成100个蜂蜜样本，在305-2100nm-1范围内采集Near Infrared反射光谱。随后利用主成分分析方法，对Near Infrared光谱内的数据进行汇总、整合，以蜂蜜麦芽糖含量定量模型构建的方式，对定量模型的交叉验证相关系数及均方根误差进行逐一分析，从而确定蜂蜜掺加麦芽糖浆的比例。通过对上述定量模型（图1）分析，可有效判定蜂蜜的掺假现象。并确定掺假蜂蜜浓度，为后续蜂蜜鉴别提供依据。

　　图1蜂蜜真假辨别红外图谱

　　另一方面，利用Middle Infrared进行食品定量分析，主要利用统计学、模型参数估计、化学信号处理、定量构效关系、人工智能、实验设计优化等化学计量方法，提取食品特征，构建食品参数模型，从而达到定量分析的目的。以Middle Infrared在食品反式脂肪酸含量测定中的应用为例，实验主要利用氯仿-甲醇提取法，提取食品中的脂肪。然后利用甲醇-BF3将食品中的脂肪进行快速甲脂化。食品脂肪甲酯化后，在Avatar 375傅里叶变换红外光谱仪内，对食品中反式脂肪酸含量进行定量分析，可达到90.2%-102.3%回收率[4]。

　　虽然Near Infrared、Middle Infrared在食品检测中发挥了较大作用，但是总的来说红外检测技术在食品定性、定量分析中仍存在较大的局限性。如红外食品检测极限为1.0%，无法有效测量低浓度的物质。利用定性或定量模型虽然可以有效辨别食品中的掺假现象，但是对于食品中的未知物质，利用红外检测技术并不能有效地检测出来，特别是在液体食品的检测过程中，由于液体食品的检测范围较集中，且性质不够稳定，在检测过程中极易出现多种干扰因素，甚至会发生食品间性质相互干扰的情况。因此，在后续的食品红外检测过程中，相关人员应综合考虑温度、湿度、时间、压力等因素对食品性质的影响，构建大颗粒光散射修正模型，创新检测方法，扩展检测范围，保证红外光谱技术在食品检测行业的有效应用。

　　总结

　　食品特别是农产品的质量和安全问题是人们普遍关注的问题。为有效处理食品安全问题，相关人员可根据食品类型，合理利用Near Infrared和Middle Infrared检测技术，从定性、定量两个方面，分析食品组分和结构，保证食品掺假问题的及早发现和处理，为我国食品行业的健康发展提供保障。

　　参考文献：

　　[1]王君,刘蓉.近红外光谱技术在液态食品掺假检测中的应用[J].食品工业科技,2016,37(7):374-380.

　　[2]宋雪健,钱丽丽,张东杰,等.近红外光谱技术在食品溯源中的应用进展[J].食品研究与开发,2017,38(12):197-200.

　　[3]黄瑞娟.红外光谱技术在食品检测中的应用[J].中国检验检测,2015(1):9-14.

　　[4]葛俊苗,宋益善,李燕,等.傅里叶变换红外光谱仪及其在食品中的应用[J].广东化工,2017,44(2):54-55.

　　蓝斌广东省博罗县质量技术监督检测所