呂銣麟，何洪源*，賈 鎮(zhèn)，王書越，蔡能斌，王曉賓

1. 中國人民公安大學(xué)偵查學(xué)院，北京 100038 2. 上海市公安局物證鑒定中心上海市現(xiàn)場物證重點(diǎn)實(shí)驗(yàn)室，上海 200000

引 言

近年來，食品安全問題不斷涌現(xiàn)，非法添加食品添加劑的事件頻發(fā)，嚴(yán)重威脅人民的生命財(cái)產(chǎn)安全，為食品質(zhì)量監(jiān)管帶來了巨大挑戰(zhàn)。 隨著生活水平的日益提高，對(duì)豆、 乳類制品的需求量也越來越多。 氮元素是食品中蛋白質(zhì)含量評(píng)定的重要指標(biāo)，一些不法商販為了提高蛋白質(zhì)的檢測含量，向食品中非法添加三聚氰胺[1-2]。 根據(jù)我國衛(wèi)生部的相關(guān)標(biāo)準(zhǔn)，嬰兒配方食品中三聚氰胺的限量值為1 mg·kg-1，其他食品中三聚氰胺的限量值為2.5 mg·kg-1。 過量的三聚氰胺在體內(nèi)會(huì)形成泌尿結(jié)石, 造成繼發(fā)性腎損傷, 腎功能衰竭[3]，甚至還會(huì)對(duì)人的中樞神經(jīng)系統(tǒng)造成影響，如誘導(dǎo)神經(jīng)細(xì)胞凋亡，引起海馬神經(jīng)元的病理變化，導(dǎo)致記憶力下降，認(rèn)知靈活性下降等[4]。 因此，食品中三聚氰胺的檢測工作已成為當(dāng)前研究的熱點(diǎn)問題。

食品中三聚氰胺常用的檢測方法是色譜法和色譜-質(zhì)譜聯(lián)用法，因大多需要較昂貴的實(shí)驗(yàn)耗材和復(fù)雜的前處理過程，為檢測工作帶來了諸多不便[5-7]。 近年來，光譜技術(shù)已廣泛用于靈敏、 快速、 無損檢測食品中的三聚氰胺[8]。 三聚氰胺摻假問題涉及的食品種類繁多，從豆、 乳制飲品到粉劑都可能存在，不同光譜技術(shù)對(duì)這些檢材的前處理要求和檢測能力均存在差異，因此三聚氰胺的光譜檢測標(biāo)準(zhǔn)長時(shí)間未得到統(tǒng)一。 綜述了近十年食品中三聚氰胺的光譜檢測技術(shù)和光學(xué)數(shù)據(jù)處理技術(shù)，并對(duì)研究趨勢進(jìn)行了展望，為食品安全工作提供參考。

1 食品中三聚氰胺的光譜檢測技術(shù)

1.1 拉曼光譜技術(shù)

拉曼光譜是基于散射光與待測物分子相互作用時(shí)，頻率發(fā)生改變而產(chǎn)生的散射光譜，通常用于表征分子的結(jié)構(gòu)特征，也稱為“分子指紋光譜”[9]。

1.1.1 便攜式拉曼光譜

手持拉曼光譜儀是一種便攜式分析儀器，其操作簡單，常用于現(xiàn)場定性和定量檢測各種食品、 藥物中的摻假物質(zhì)[10]。

Sanjeewa等[11]對(duì)比了兩種便攜式拉曼光譜儀和臺(tái)式拉曼光譜在奶粉三聚氰胺檢測中的應(yīng)用效果。 便攜設(shè)備一包含自動(dòng)熒光扣除的系統(tǒng)，便攜設(shè)備二包含三聚氰胺信號(hào)快速檢出系統(tǒng)。 通過非靶向軟獨(dú)立類比模型(SIMCA)對(duì)光譜數(shù)據(jù)進(jìn)行判別后，兩種便攜式設(shè)備對(duì)三聚氰胺摻假樣品的識(shí)別率分別為97%和100%。 結(jié)果表明兩種便攜式設(shè)備均適合快速、 常規(guī)樣品的三聚氰胺現(xiàn)場檢測。 Nieuwoudt等[12]使用帶有浸入式探頭的便攜式拉曼光譜儀，檢測了牛奶中的三聚氰胺、 雙氰胺、 硫酸銨、 尿素等非蛋白氮，結(jié)合偏最小二乘回歸(partial least-square regression，PLSR)建立了定量校正模型，結(jié)果表明在50～1 000 ppm的線性范圍內(nèi)，決定系數(shù)R2為95%，預(yù)測均方根誤差(root-mean-square error of prediction，RMSEP)為0.46%，說明該方法能夠準(zhǔn)確預(yù)測樣品牛奶中的三聚氰胺含量。 有研究用便攜式拉曼光譜儀和拉曼增強(qiáng)試劑檢測了蛋清中的三聚氰胺，并結(jié)合偏最小二乘法和譜峰分解法分別建立了定量校正模型，決定系數(shù)R2分別為0.856和0.947，該法能夠準(zhǔn)確快速定量蛋清中的三聚氰胺。

1.1.2 表面增強(qiáng)拉曼光譜

當(dāng)三聚氰胺作為非法食品添加劑使用時(shí)，往往濃度很低，而常規(guī)的拉曼光譜法無法實(shí)現(xiàn)對(duì)低濃度三聚氰胺摻假的檢出，需要借助表面增強(qiáng)拉曼散射(surface-enhanced Raman scattering，SERS)技術(shù)增強(qiáng)拉曼信號(hào)，提高檢測靈敏度[13]。 SERS技術(shù)可以提供單分子指紋圖譜信息，實(shí)現(xiàn)超低濃度物質(zhì)的超高靈敏度檢測[14]。

由于三聚氰胺的拉曼信號(hào)過低，使用納米金屬直接作為增強(qiáng)基底的檢測效果并不理想[15]。 Lou等[16]研發(fā)了一種基于4-巰基吡啶(MPY)修飾金納米粒子(AuNPs)的表面增強(qiáng)拉曼光譜法，用于奶粉中三聚氰胺檢測，檢測限低至0.1 ppb。 Hu等[17]研發(fā)了一種基于分子印跡聚合物(MIPs)的表面增強(qiáng)拉曼光譜法，檢測牛奶中三聚氰胺，其分子印跡聚合物是由三聚氰胺、 甲基丙烯酸、 乙二醇二甲基丙烯酸酯和2，2’-偶氮二異丁腈為原料本體聚合合成的，檢測限和定量限可達(dá)到0.012和0.039 mmol·L-1。 Huang等[18]以銀納米粒子包覆的磁性聚磷腈顆粒作為表面增強(qiáng)基底，檢測了水溶液和牛奶樣品中的三聚氰胺，檢測限分別為1×10-7和0.6 mg·L-1。 Sharma等[19]研究了三聚氰胺在氧、 硫原子石墨烯量子點(diǎn)(oxygen graphene quantum dots，O-GQD； sulfur graphene quantum dots，S-GQD)上的結(jié)合機(jī)理，采用表面增強(qiáng)拉曼散射檢測三聚氰胺，并利用密度泛函理論分析其電子和振動(dòng)特性。 結(jié)果表明，O-GQD和S-GQD對(duì)三聚氰胺的拉曼信號(hào)增強(qiáng)效果分別為348.4%和48%，石墨烯量子點(diǎn)是良好的表面增強(qiáng)基底。 Zhang等[20]研發(fā)了一種基于銀納米粒子(AgNPs)的新型疏水SERS濾紙基底用于檢測三聚氰胺，該新型SERS濾紙基底不僅能滿足快速、 批量的制備要求，而且能實(shí)現(xiàn)樣品的重復(fù)性檢測，三聚氰胺檢測限為0.02 ppm。

1.2 近紅外光譜技術(shù)

近紅外光譜包含多個(gè)含H基團(tuán)振動(dòng)的倍頻、 合頻和差頻疊加產(chǎn)生的重疊帶，通常需要使用化學(xué)計(jì)量模型對(duì)樣品收集到的光譜進(jìn)行數(shù)學(xué)分離。 近紅外光譜技術(shù)的樣品前處理簡單、 采集速度快、 成本低，近十年廣泛用于食品安全檢測。

Scholl等[21]研究了奶粉的不同前處理方法對(duì)近紅外光譜檢測三聚氰胺的影響。 研究中分別檢測了干混樣品和濕混樣品三聚氰胺的近紅外光譜特征譜線，發(fā)現(xiàn)干混樣品在1 468 nm波段有明顯的三聚氰胺特征峰，而濕混樣品中則檢測不到，采用干混樣品的三聚氰胺摻假識(shí)別準(zhǔn)確率高于濕混樣品。 Haughey等[22]使用近紅外光譜技術(shù)檢測了大豆豆粕樣品中的三聚氰胺，使用一階、 二階導(dǎo)數(shù)和濾波擬合對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，比較了主成分分析(principal component analysis，PCA)回歸和PLSR對(duì)大豆中三聚氰胺濃度的預(yù)測能力，結(jié)果表明近紅外光譜結(jié)合兩種回歸方法均有良好的檢測精度，決定系數(shù)R2為0.89～0.99。 Chen等[23]使用近紅外光譜技術(shù)對(duì)嬰幼兒奶粉中的多種非法添加物進(jìn)行了檢測，其中三聚氰胺的最低檢測限為0.04%，在奶粉中多組分摻假物檢測中發(fā)現(xiàn)，無摻樣品鑒別準(zhǔn)確率為100%，二組分摻假物鑒別準(zhǔn)確率達(dá)到83.3%, 而三組分以上的摻假物識(shí)別能力較差。

1.3 熒光光譜技術(shù)

奶粉溶液中加入三聚氰胺后，熒光強(qiáng)度不僅變?nèi)?，熒光峰位置也?huì)發(fā)生變化，說明三聚氰胺有熒光猝滅效應(yīng)，熒光光譜法可以對(duì)奶粉中的三聚氰胺進(jìn)行定量檢測，但需要使用一定增強(qiáng)手段來提高熒光猝滅效應(yīng)的強(qiáng)度。

Yin等[24]基于三聚氰胺與Hg2+之間極強(qiáng)的配位親和力，建立了摻氮碳點(diǎn)(NCD)熒光探針法測定三聚氰胺的濃度。 以尿酸和二亞乙基三胺分別作為碳源和氮源，利用Hg2+對(duì)NCDs的熒光猝滅作用，在極寬的線性范圍內(nèi)(50～400和800～2 500 μg·L-1)實(shí)現(xiàn)了對(duì)三聚氰胺的準(zhǔn)確定量，決定系數(shù)R2分別為0.997和0.988，檢測限為21.76 μg·L-1。 Rima等[25]基于三聚氰胺與甲醛和1,3-二苯基丙烷-1,3-二酮的絡(luò)合作用，建立了定量測定三聚氰胺的熒光光譜法，可使熒光強(qiáng)度大大降低，準(zhǔn)確定量檢測三聚氰胺，檢測限為7 μg·L-1。 Paul[26]等基于AuNPs對(duì)三聚氰胺的熒光增強(qiáng)作用，使用熒光光譜法測定了牛奶和奶粉中的三聚氰胺。 通過建立420 nm處的熒光強(qiáng)度與三聚氰胺濃度的回歸模型，對(duì)比了三種不同尺寸AuNPs對(duì)檢測的影響，結(jié)果表明30 nm AuNPs包裹的三聚氰胺在308 nm光激發(fā)下具有最強(qiáng)的熒光強(qiáng)度和最高的靈敏度，檢測限低至0.66 nmol·L-1。 張沛等[27]基于三聚氰胺對(duì)熒光素的熒光增強(qiáng)效應(yīng)建立了三聚氰胺熒光光譜檢測法。 采用天然雞蛋膜作為生物膜基質(zhì)，添加戊二醛交聯(lián)劑改性，并將熒光素固定在雞蛋膜表面。 添加戊二醛后的雞蛋膜掃描電鏡圖像如圖1(a,b)。

對(duì)比圖2(a)和(b)交聯(lián)后的雞蛋膜表面纖維網(wǎng)狀結(jié)構(gòu)被戊二醛完全覆蓋，形成了穩(wěn)定、 性能良好的傳感器膜。 該方法中三聚氰胺濃度與熒光強(qiáng)度在0.001～0.5 mg·L-1范圍內(nèi)呈線性相關(guān)，檢測限為0.47 μg·L-1。

圖1 傳感器交聯(lián)化反應(yīng)前(a)、 后(b)的掃描 電子顯微鏡圖像[29]Fig.1 SEM images of biosensor before (a) andafter (b) cross-linking reaction[29]

1.4 光譜成像技術(shù)

在食品檢測中，常用的光譜成像技術(shù)包括高光譜成像、 拉曼光譜成像和近紅外光譜成像。 光譜成像集光譜和成像技術(shù)于一體，通過增加光譜通道數(shù)來提高測量精度，獲得食品檢材顏色和結(jié)構(gòu)上的三維數(shù)據(jù)信息[28]，能夠更加全面準(zhǔn)確檢測其化學(xué)成分，評(píng)判品質(zhì)優(yōu)劣。

Shen等[1]用近紅外光譜成像技術(shù)建立了豆粕中污染物的通用型檢測方法，將三聚氰胺作為代表性污染物，結(jié)合局部異常檢測(LAD)的非目標(biāo)檢測方法，獲得了較好的檢測性能，決定系數(shù)R2為0.998 4，定量限為0.01%。 Fu等[29]用近紅外光譜成像技術(shù)，結(jié)合光譜相似性分析，對(duì)奶粉中低濃度三聚氰胺進(jìn)行了檢測。 結(jié)果表明，近紅外光譜成像技術(shù)與光譜相似性分析結(jié)合是奶粉中三聚氰胺摻假的有效檢測方法，定量限為0.02%，該法也可用于奶粉中其他化學(xué)物質(zhì)摻假的檢測。 Dhakal等[30]研究點(diǎn)掃描拉曼光譜成像技術(shù)檢測含有三聚氰胺的食品粉末，用圖像二值化對(duì)檢測到的像素進(jìn)行分類，得出每個(gè)組分的像素點(diǎn)數(shù)與樣品中該組分的實(shí)際濃度相關(guān)，相關(guān)系數(shù)為0.99。 6%水平下多組分圖像二值化處理結(jié)果如圖2所示。 該方法可用于復(fù)雜食品基質(zhì)中不同組分的鑒定和濃度估算。 Zhao[31]等使用近紅外高光譜成像技術(shù)對(duì)奶粉中摻雜的三聚氰胺和香蘭素進(jìn)行了檢測。 研究中提取了高光譜圖像中每個(gè)像素點(diǎn)的光譜圖，并使用競爭性自適應(yīng)重加權(quán)算法(CARS)選擇出6個(gè)最佳波長用于偏最小二乘判別分析，結(jié)果表明該方法適用性好，對(duì)不同奶粉樣品均有不錯(cuò)的檢測能力，檢測限為0.5%。

圖2 6%濃度樣品混合物的二值化彩色編碼化學(xué)圖像[30]Fig.2 Color-coded chemical image of sample mixture (6%concentration) generated by binary detection[32]

1.5 其他光譜技術(shù)

其他光譜技術(shù)在三聚氰胺的檢測中也有廣泛應(yīng)用。 Hwang等[32]用太赫茲(Tera Hertz，THz)光譜技術(shù)測定三聚氰胺的特征吸收峰，并用固態(tài)密度泛函理論分析三聚氰胺分子的振動(dòng)模式。 結(jié)果表明THz光譜獲得的特征峰是由三聚氰胺分子間振動(dòng)產(chǎn)生的，該研究可作為檢測三聚氰胺分子結(jié)構(gòu)的可靠工具。 Sun等[33]基于THz光譜建立了快速無損檢測奶粉中三聚氰胺的方法，選擇2.04和2.34 THz的兩個(gè)吸收峰，采用多元線性回歸(multiple linear regression，MLR)模型與基于全譜的PLSR模型進(jìn)行對(duì)比，結(jié)果顯示MLR模型回歸效果較好，決定系數(shù)R2為0.97，RMSEP為1.38%。

Gürkan[34]等結(jié)合火焰原子吸收光譜法(FAAS)，研究了一種簡便、 低成本的超聲輔助云點(diǎn)提取法，用于牛奶樣品中三聚氰胺的預(yù)濃縮和間接測定。 結(jié)果表明三聚氰胺在0.8～130 μg·L-1范圍內(nèi)具有良好的線性關(guān)系，檢測限為0.23 μg·L-1。

2 食品中三聚氰胺的光學(xué)數(shù)據(jù)處理技術(shù)

光學(xué)數(shù)據(jù)處理是光譜檢測技術(shù)中的關(guān)鍵步驟。 食品中的復(fù)雜基質(zhì)會(huì)產(chǎn)生光譜干擾，如拉曼光譜中的基質(zhì)熒光干擾[35]、 近紅外光譜中的散射光干擾[36]等。 需要使用適宜的預(yù)處理方法，對(duì)光譜進(jìn)行基線校正、 誤差消除和特征提取，最后選擇最佳的建模方法，根據(jù)實(shí)驗(yàn)的不同要求建立分類或回歸模型，才能有效利用光譜檢測技術(shù)采集到的數(shù)據(jù)信息[37]。

2.1 光譜數(shù)據(jù)預(yù)處理

2.1.1 導(dǎo)數(shù)校正

導(dǎo)數(shù)校正是對(duì)光譜數(shù)據(jù)求一階、 二階至三階導(dǎo)數(shù)，可有效去除線性背景[38]。 由于導(dǎo)數(shù)校正會(huì)改變光譜峰形，且高階導(dǎo)數(shù)校正對(duì)光譜噪聲特別敏感，因此常與平滑校正算法結(jié)合使用。 Jiang等[60]使用近紅外光譜結(jié)合多元線性回歸模型檢測了石榴中的可溶性固形物含量，結(jié)果表明，使用一階導(dǎo)數(shù)的預(yù)處理非常有效。 該方法基于一階導(dǎo)數(shù)和競爭自適應(yīng)重加權(quán)采樣偏最小二乘模型的性能實(shí)現(xiàn)了驗(yàn)證集0.29%和預(yù)測集0.31%的均方根誤差。

2.1.2 散射校正

多元散射校正(multiplicative scatter correction, MSC)和標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variate transformation, SNV)是光譜預(yù)處理中使用最廣泛的散射校正方法。 MSC將所有光譜樣品的平均光譜作為標(biāo)準(zhǔn)光譜，對(duì)每個(gè)樣品的光譜進(jìn)行線性回歸，得到平移量和偏移量，最后消除基線平移和偏移，得到校正后的光譜[39]。 有報(bào)道用近紅光譜檢測奶粉中的三聚氰胺，對(duì)獲得的原始光譜進(jìn)行MSC和標(biāo)準(zhǔn)化處理，提取自相關(guān)譜，結(jié)合偏最小二乘模型，識(shí)別準(zhǔn)確率達(dá)到100%。

SNV主要用于消除待測物固體顆粒大小、 表面散射以及光程變化對(duì)光譜的影響[40]。 Raphael等[41]的研究中，使用Savitzky-Golay (S-G)平滑濾波和SNV處理了三種市售近紅外光譜儀采集到到的三聚氰胺光譜，并構(gòu)建了PLSR校準(zhǔn)模型。 三種近紅外光譜儀均獲得了不錯(cuò)的檢測效果，RMSEP分別為0.28%，0.33%和0.27%。

2.1.3 平滑校正

Savitzky-Golay平滑濾波和高斯平滑濾波(Gaussian smoothing filter，GSF)是常用的光譜平滑校正方法。 S-G平滑濾波可以提高光譜的平滑性，降低噪音的干擾。 其原理是將光譜分為數(shù)個(gè)窗口，在每個(gè)窗口內(nèi)使用最小二乘法進(jìn)行多項(xiàng)式擬合[42]。 Dhakal等[30]采用S-G平滑濾波對(duì)奶粉中污染物的拉曼光譜成像結(jié)果進(jìn)行降噪，圖像二值化處理后每個(gè)分量的像素?cái)?shù)與實(shí)際樣本濃度呈線性相關(guān)，相關(guān)系數(shù)為0.99。 結(jié)果表明，該方法可用于同時(shí)識(shí)別不同成分，并估計(jì)其濃度以進(jìn)行身份驗(yàn)證或定量檢查。 Liu等[43]用一階導(dǎo)數(shù)數(shù)結(jié)合S-G平滑濾波，對(duì)魚粉中的三聚氰胺近紅外光譜檢測結(jié)果進(jìn)行了處理，有效消除了散射光和顆粒粒徑的干擾。 對(duì)于三聚氰胺濃度高于136.36 mg·kg-1的樣品，檢出準(zhǔn)確率達(dá)100%。

高斯平滑濾波(Gaussian smoothing filter，GSF)是一種圖像降噪處理方法，常用于高光譜成像。 其原理是將圖像中的每一個(gè)點(diǎn)都與附近的像素點(diǎn)進(jìn)行加權(quán)平均，使用高斯窗口內(nèi)的加權(quán)平均灰度值代替窗口中心像素點(diǎn)的光譜信息[42]。 Huang等[61]使用多種光譜預(yù)處理方法結(jié)合近紅外光譜檢測了蜂蜜中的淀粉酶活性，結(jié)果表明高斯濾波結(jié)合標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理和最小二乘向量機(jī)模型獲得了最佳的預(yù)測結(jié)果，R2為0.887 2，RMSEP為0.212 9。

2.1.4 基線校正

基線校正的早期研究常使用手動(dòng)多項(xiàng)式擬合去除基線，因需要較大工作量，且校正結(jié)果包含較多主觀因素，目前多使用自動(dòng)多項(xiàng)式擬合法。 自適應(yīng)迭代懲罰最小二乘法(adaptive iteratively reweighted penalized least squares, airPLS)是目前應(yīng)用最廣、 效果最好的基線校正方法。 在airPLS中，采用基于誤差的迭代加權(quán)策略，每一個(gè)點(diǎn)的權(quán)重根據(jù)上一次循環(huán)擬合的基線和原始信號(hào)之間的差異進(jìn)行更新[44]。 宗婧等[45]借助拉曼高光譜成像技術(shù)，結(jié)合airPLS扣除拉曼光譜的背景信息，獲得了乳粉摻雜物的可視化圖像，識(shí)別率為93.3%。 airPLS扣除背景后的光譜與原始光譜的對(duì)比如圖3，可以看出該方法在完整扣除了基線的情況下較好的保留了原始光譜的峰形特征。

圖3 使用airPLS進(jìn)行光譜預(yù)處理前后對(duì)比圖[45]Fig.3 Comparison of Raman spectra before and after airPLS[45]

2.1.5 歸一化

歸一化是一種簡化計(jì)算方式，將有量綱數(shù)據(jù)集進(jìn)行變換，轉(zhuǎn)化為無量綱的數(shù)據(jù)集。 該方法在色譜和光譜圖像校正方面均有應(yīng)用[46]。 在Fu等[29]的研究中，使用平均中心化方法對(duì)三聚氰胺的近紅外高光譜數(shù)據(jù)進(jìn)行處理，將響應(yīng)強(qiáng)度50～100范圍內(nèi)的光譜曲線映射到了-2～1.5的區(qū)域內(nèi)，使同類波形相似性更強(qiáng)，對(duì)后續(xù)的光譜相似性分析提供了幫助。 所涉及的光譜數(shù)據(jù)預(yù)處理方法見表1。

表1 光譜預(yù)處理方法Table 1 Main spectral pretreatment methods

續(xù)表1

2.2 光譜數(shù)據(jù)建模

2.2.1 回歸模型

回歸模型包括線性回歸模型和非線性回歸模型。 對(duì)于光譜特征明顯的樣品，待檢對(duì)象與光譜的特征區(qū)段具有明顯的線性相關(guān)關(guān)系，使用線性回歸模型擬合的效果較好。 大部分情況下，使用線性模型已經(jīng)可以較好地完成三聚氰胺的定量檢測任務(wù)。 對(duì)于光譜中包含了較多基質(zhì)效應(yīng)的檢測結(jié)果，待檢物與光譜特征區(qū)段的線性關(guān)系較弱，可以采用非線性回歸模型進(jìn)行分析。 非線性回歸模型包括支持向量機(jī)模型、 神經(jīng)網(wǎng)絡(luò)模型等，多屬于黑盒模型，對(duì)光譜的解釋能力不強(qiáng)，但對(duì)數(shù)據(jù)具有潛在特征敏感，適應(yīng)范圍廣。

一元線性回歸[50]是僅含有一個(gè)自變量的回歸模型。 在光譜數(shù)據(jù)中，待測物往往存在一個(gè)顯著的特征峰，以該特征峰的響應(yīng)值與待測物濃度進(jìn)行一元線性回歸建模，是使用最廣泛的回歸建模方法。 這種方法可有效避免食品復(fù)雜基質(zhì)的光譜峰對(duì)分析物特征峰的影響，但對(duì)光譜的利用效率較低，易造成大量信息遺失。

多元線性回歸選擇多個(gè)特征峰數(shù)據(jù)作為自變量，對(duì)于含有多個(gè)特征峰的待測物定量分析有明顯優(yōu)勢[51-52]。 但多元線性回歸要求各自變量間相互獨(dú)立，在實(shí)際應(yīng)用中往往無法滿足這一要求，因此具有一定局限性。

主成分分析回歸是先提取光譜數(shù)據(jù)的特征，然后選擇少數(shù)幾個(gè)解釋性強(qiáng)的主成分進(jìn)行多元回歸分析[53]。 與多元線性回歸相比，避免了多元共線性問題，能更好地利用全譜的光譜特征。

PLSR是一種多堆垛的線性回歸建模方法，集中了主成分分析、 典型相關(guān)性分析和線性回歸分析的特點(diǎn)。 當(dāng)變量特別多又具有相關(guān)性，同時(shí)可觀測的樣本量較少時(shí)，PLSR是最佳的回歸分析方法[54]。

支持向量機(jī)回歸模型(support vector machine regression, SVMR)是典型的非線性回歸模型，其基本思想是優(yōu)化回歸曲線與數(shù)據(jù)最外側(cè)超平面的距離間隔。 在模型迭代時(shí)，處于臨界超平面上或超平面外的數(shù)據(jù)會(huì)對(duì)模型回歸產(chǎn)生影響，而其他數(shù)據(jù)則不產(chǎn)生權(quán)重，與基于最小二乘法的回歸模型具有很大不同。 另一方面，支持向量機(jī)回歸模型可以通過不同的核函數(shù)來擬合不同的回歸曲線，如二次多項(xiàng)式、 三次多項(xiàng)式等。 Li等基于表面增強(qiáng)拉曼光譜法對(duì)比了PLSR和SVM模型對(duì)牛奶中三聚氰胺濃度的預(yù)測能力，結(jié)果表明SVM模型表現(xiàn)出更好的預(yù)測性能，RMSEP為1.963 6%，決定系數(shù)R2=0.973 6[57]。 所涉及的三聚氰胺定量回歸模型匯總見表2。

表2 三聚氰胺定量回歸模型Table 2 Melamine quantification regression model

2.2.2 分類模型

分層聚類是對(duì)給定的數(shù)據(jù)集合進(jìn)行層次分解，包括凝聚分層和分裂分層兩種聚類方法[55]。 通過分層聚類分析，可發(fā)現(xiàn)各類間的層次關(guān)系，但計(jì)算較為復(fù)雜，易發(fā)生鏈狀聚類。

支持向量機(jī)模型(support vector machine, SVM)是目前使用最廣泛的分類器，旨在通過求出n維空間的最優(yōu)超平面進(jìn)行分類。 當(dāng)數(shù)據(jù)量過大時(shí)，SVM算法運(yùn)行速度較慢，對(duì)于有極大數(shù)據(jù)維度的光譜數(shù)據(jù)，需要先借助特征提取算法進(jìn)行降維。

一類偏最小二乘(one class partial least-square，OCPLS)模型[23]用于描述預(yù)測對(duì)象被接受或拒絕程度問題，屬于一類分類器，對(duì)非訓(xùn)練集樣本比多類分類器具有更好的識(shí)別率。 在乳制品摻假問題中，使用一類分類器還能辨別出除三聚氰胺以外的摻假情況，如尿素、 雙氰胺等，具有較好的適用性。

人工神經(jīng)網(wǎng)絡(luò)是模擬神經(jīng)元處理信息的一種數(shù)學(xué)模型。 神經(jīng)網(wǎng)絡(luò)包含多個(gè)層次，同一層次間的數(shù)據(jù)不互通，而不同層之間的數(shù)據(jù)可以正向或反向傳播，相鄰層之間的神經(jīng)元相互聯(lián)接構(gòu)成網(wǎng)絡(luò)[58]。 人工神經(jīng)網(wǎng)絡(luò)分類算法是有監(jiān)督分類器，近年來發(fā)展迅速，主要包括反向傳播神經(jīng)網(wǎng)絡(luò)、 廣義回歸神經(jīng)網(wǎng)絡(luò)、 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等。 所涉及的三聚氰胺光譜分配建模方法及測試結(jié)果見表3。

表3 三聚氰胺檢測分類模型Table 3 Classification model for melamine detection

3 總結(jié)和展望

隨著食品種類的不斷增多，食品安全存在的風(fēng)險(xiǎn)和隱患更多。 綜述了近十年拉曼光譜、 近紅外光譜、 熒光光譜和高光譜成像等光譜技術(shù)在食品中三聚氰胺檢測的應(yīng)用。 光譜技術(shù)的時(shí)效性、 無損性和準(zhǔn)確性，提高了食品監(jiān)管的管控效率和范圍，促進(jìn)了現(xiàn)場自動(dòng)化食品質(zhì)量檢測的發(fā)展，在食品三聚氰胺檢測中的應(yīng)用前景十分廣泛。

目前食品中三聚氰胺的檢測研究大多依賴于實(shí)驗(yàn)室，為了使光譜技術(shù)成為常規(guī)工具，未來的研究應(yīng)集中在降低光譜系統(tǒng)的成本和尺寸，提高檢測效率上，研發(fā)緊湊、 精確和便攜式的手持設(shè)備，用于現(xiàn)場檢測。 雖然光譜技術(shù)各具優(yōu)勢，但在實(shí)際應(yīng)用過程中還應(yīng)明確各種方法的適用條件和范圍。 對(duì)可疑樣品中三聚氰胺的痕量檢出，可以選擇檢測限最低，靈敏度最高的表面增強(qiáng)拉曼光譜法和近紅外光譜法； 對(duì)于未知抽檢樣品的初步篩選，則推薦使用光譜成像技術(shù)，進(jìn)樣量大，檢測效率高。

光譜數(shù)據(jù)預(yù)處理方法近年來發(fā)展迅速。 去噪和基線校正算法的不斷完善，有利于能夠更好地剔除干擾信息、 突出特征波形和特征峰。 隨著模式識(shí)別技術(shù)的發(fā)展，光譜數(shù)據(jù)建模方法也發(fā)生了巨大改變，總體呈現(xiàn)出從一元到多元再到全譜、 從線性到非線性的發(fā)展趨勢。 未來，應(yīng)加強(qiáng)食品光譜數(shù)據(jù)庫的建設(shè)，為模型建立提供數(shù)據(jù)支持； 開發(fā)更加適用于光學(xué)數(shù)據(jù)處理的模式識(shí)別方法，提高算法精度、 效率和適用性。