孫洪濤

（臨沂市知識產(chǎn)權(quán)保護(hù)中心，山東臨沂 276000）

在食物中毒特征中，微生物性食品中毒的發(fā)病率高居首位，食品微生物的檢測及其管理是食品安全管理工作的重點。食物從原材料到制作加工、運輸、銷售食用等全過程中，各環(huán)節(jié)均存在微生物感染風(fēng)險，采取各項有效技術(shù)檢測食品衛(wèi)生對于降低安全問題的發(fā)生概率至關(guān)重要。生化檢驗是食品微生物檢測的有效方法之一，但該技術(shù)檢測周期相對較長，操作煩瑣，而近紅外光譜技術(shù)以其快速、無損的優(yōu)點受到人們的廣泛關(guān)注與應(yīng)用。基于此，本文針對近紅外光譜技術(shù)在食品微生物檢測中的具體應(yīng)用進(jìn)行了概述。

1 近紅外光譜技術(shù)概述

1.1 應(yīng)用原理

近紅外光是一種介于可見光與中紅外光之間的電磁波，即波長為378 ～2 526 nm、波數(shù)為12 820 ～3 959 cm-1的光譜區(qū)。近紅外光譜技術(shù)基于近紅外光的特性，利用含氫基團(tuán)化學(xué)鍵O-H、C-H、N-H 等吸收近紅外光的特點，記錄樣本光譜信息，得到樣本的物理、化學(xué)以及生物學(xué)信息，然后利用相關(guān)信息與化學(xué)計量方法定標(biāo)建模，從而完成未知食物樣本參數(shù)的預(yù)測[1]。

近紅外技術(shù)在食品微生物檢測中的應(yīng)用原理為食品微生物由核酸以及蛋白質(zhì)等化學(xué)成分組成，這些成分能夠吸收近紅外光，在檢測中可提供不同特性的廣譜。微生物定標(biāo)樣本近紅外光譜包含了結(jié)構(gòu)與組成信息，所呈現(xiàn)的性質(zhì)參數(shù)與其結(jié)構(gòu)和組成具有緊密的關(guān)聯(lián)，因此應(yīng)用化學(xué)計量學(xué)辦法將關(guān)聯(lián)進(jìn)行定量化、定性化的處理，建立科學(xué)模型，即可實現(xiàn)僅采集待測樣本的廣譜就能夠定性或定量分析樣本中的微生物。

1.2 近紅外光譜在食品微生物檢測中的優(yōu)勢

①近紅外光譜技術(shù)不會對食品造成破壞，可實現(xiàn)無損檢驗。②近紅外光譜具有豐富的工作譜區(qū)，在對樣品檢查的過程中具有極強(qiáng)的透過能力，能夠在極短時間內(nèi)完成光譜采集測量，憑借預(yù)先建立的相關(guān)模型完成對樣本所需要測量指標(biāo)的檢測記錄[2]。③近紅外光譜技術(shù)具有綠色環(huán)保的特性，在測定過程中不會對樣品造成破壞，并且不會產(chǎn)生額外的材料消耗、不會排放污染物，后期成本較低，在應(yīng)用過程中，可以實現(xiàn)對樣品的快速分析，具備“多、快、好、省”的優(yōu)點。同時，針對復(fù)雜物和天然物的檢測，該技術(shù)可以實現(xiàn)無損分析、微損分析、在線分析、原位分析以及瞬間分析等。④近紅外光譜技術(shù)能夠?qū)崿F(xiàn)對樣品質(zhì)量的實時控制，以及對大量樣品的快速分析。但在建立紅外光譜技術(shù)模型的過程中需要投入大量的人力、物力以及財力，所以不適用于未建立數(shù)學(xué)模型的零星樣品檢測。⑤近紅外光譜技術(shù)具有高分析效率，可通過建成的數(shù)學(xué)模型，制作儀器，用戶通過培訓(xùn)，結(jié)合數(shù)學(xué)模型可以操作儀器進(jìn)行樣品檢測。

2 近紅外光譜技術(shù)在食品微生物檢測中的應(yīng)用

食品微生物范圍廣、種類多，采用近紅外光譜技術(shù)能夠?qū)ζ溥M(jìn)行分類，幫助檢測人員明確食品中含有的微生物種類以及含量，進(jìn)而判斷目標(biāo)食品是否符合食品安全標(biāo)準(zhǔn)。閆思雨等[3]采用近紅外光譜分析技術(shù)對獼猴桃進(jìn)行微生物檢測，認(rèn)為包括獼猴桃在內(nèi)的水果，其外部品質(zhì)與內(nèi)部品質(zhì)是衡量食品質(zhì)量的有效標(biāo)準(zhǔn)，而微生物污染水平是衡量水果在冷藏過程中品質(zhì)變化的重要標(biāo)準(zhǔn)。該研究建立了4 ℃冷藏過程中鮮切獼猴桃片菌落總數(shù)的預(yù)測模型，實現(xiàn)了對獼猴桃在保存貯藏過程中的微生物含量檢測，這對于控制獼猴桃食品質(zhì)量有重要意義。在肉制品的微生物分類與含量測定中，伍志強(qiáng)等[4]認(rèn)為近紅外光譜技術(shù)在監(jiān)控魚產(chǎn)品及其腐敗問題時，主要通過觀測微生物負(fù)荷變化實現(xiàn)微生物檢測，在全魚微生物腐敗的快速、非侵入性監(jiān)測中具有廣闊的應(yīng)用前景，同時在檢測和預(yù)測魚片細(xì)菌載量等領(lǐng)域也具有較強(qiáng)的應(yīng)用潛力。該研究提出了一種微生物負(fù)荷的定量偏最小二乘預(yù)測模型，該模型能夠有效預(yù)測樣品中微生物數(shù)量和種類，且能夠達(dá)到無損檢測、預(yù)測貨架期的目的。此外，近紅外光譜技術(shù)在食品微生物檢測中的應(yīng)用還體現(xiàn)在食品質(zhì)量控制、篩查食品產(chǎn)毒真菌、篩查食源性病菌以及致腐微生物等方面。

2.1 有益微生物食品質(zhì)量控制

在食物微生物檢測過程中，除了針對有害微生物進(jìn)行檢測之外，還應(yīng)對有益微生物進(jìn)行檢測，從而發(fā)現(xiàn)食物中有益于人體的健康成分。研究人員通過采集標(biāo)準(zhǔn)菌的近紅外漫反射光譜數(shù)據(jù)對食物中有益菌進(jìn)行鑒別與定量，輔助微生物產(chǎn)品生產(chǎn)，能夠保證微生物產(chǎn)品質(zhì)量穩(wěn)定，同時通過對其生產(chǎn)過程的快速檢測以及在線監(jiān)控，還能進(jìn)一步提高食品安全。近紅外光譜技術(shù)的應(yīng)用對于應(yīng)用者創(chuàng)新食品產(chǎn)品、提高食品價值有十分重要的意義，其中酒的生產(chǎn)是人類利用有益微生物進(jìn)行食品生產(chǎn)的最典型代表之一。鐘敏等[5]對比了近紅外光譜技術(shù)與傳統(tǒng)人工分析對酒體分析檢測的優(yōu)劣勢，發(fā)現(xiàn)傳統(tǒng)人工分析檢測耗時長、工作量大，近紅外光譜技術(shù)則能夠?qū)崿F(xiàn)白酒在生產(chǎn)過程中關(guān)鍵指標(biāo)的快速檢測，對于指導(dǎo)白酒的工藝調(diào)控、產(chǎn)品質(zhì)量的提高具有重要的意義。研究指出，酒精含量超過10%的飲料酒可免除標(biāo)示保質(zhì)期，這就間接證明了高度酒中微生物存在的概率極小，出現(xiàn)變質(zhì)的可能性也極小，但如果在生產(chǎn)過程中，檢測出微生物，則表示某個過程中出現(xiàn)工藝問題，應(yīng)及時進(jìn)行追溯。在食用醋的品牌溯源、質(zhì)量管理中，劉靜等[6]收集了市場上4 種品牌共計152 份樣品，采集了它們的近紅外光譜數(shù)據(jù)，對原始光譜數(shù)據(jù)進(jìn)行多元散射校正預(yù)處理，并對預(yù)處理后的光譜數(shù)據(jù)利用主成分分析法進(jìn)行聚類分析。該研究不僅正確對食用醋品牌產(chǎn)品進(jìn)行了分類，其建立的預(yù)測模型更能夠?qū)Υ桩a(chǎn)品的成分、其中可能出現(xiàn)的微生物種類進(jìn)行鑒別區(qū)分。

發(fā)酵食品是人類使用有益微生物生產(chǎn)的最典型的食品種類，包括醋、醬油、酸奶、酒類、泡菜、豆豉以及臭豆腐等，這些食品風(fēng)味獨特，極大豐富了人們的飲食生活。針對大量生產(chǎn)并且輸入市場進(jìn)行銷售的產(chǎn)品，應(yīng)用近紅外光譜技術(shù)不僅能夠?qū)Ξa(chǎn)品進(jìn)行溯源，還能在生產(chǎn)過程中對生產(chǎn)環(huán)節(jié)進(jìn)行監(jiān)督，有效控制有益微生物含量和種類，進(jìn)一步提高有益微生物食品的質(zhì)量。

2.2 篩查食品產(chǎn)毒真菌

真菌毒素是存在于糧食中的小分子有毒代謝產(chǎn)物，對食品安全有嚴(yán)重威脅。有研究顯示，我國每年有超過3 000 t 的糧食在生產(chǎn)、存儲或運輸?shù)倪^程中被污染，占到了總產(chǎn)量的6%以上。高效、準(zhǔn)確、快速的真菌毒素檢測方法對于保障食品安全至關(guān)重要。近紅外光譜技術(shù)能夠?qū)Ξa(chǎn)毒真菌進(jìn)行快速檢測，有助于食品安全篩查工作的快速開展，具有巨大的應(yīng)用前景和社會效益。張強(qiáng)等[7]采用近紅外光譜技術(shù)作為支持技術(shù)，進(jìn)行了光譜信息采集，有效建立了稻谷黃曲霉毒素B1支持回歸模型，為稻谷中黃曲霉毒素B1的實時監(jiān)控提供了有效的檢測體系以及理論依據(jù)。嚴(yán)晨等[8]利用近紅外光譜技術(shù)結(jié)合支持向量機(jī)（SVM）建立了花生樣品定性判別分析模型，發(fā)現(xiàn)隨著儲藏時間的延長，花生表面逐漸暗淡并有菌絲覆蓋，毒素侵染水平逐漸提高。表明利用可見-近紅外光譜以及機(jī)器視覺技術(shù)結(jié)合化學(xué)計量法能夠有效識別黃曲霉毒素B1種類以及含量。

2.3 篩查食源性病菌

除了產(chǎn)毒真菌以外，食源性病菌本身也會引發(fā)食源性疾病，因此利用近紅外光譜技術(shù)篩查食源性病菌同樣重要。目前近紅外光譜技術(shù)已能夠準(zhǔn)確辨別大腸希氏菌、金黃色葡萄球菌、單增李斯特菌等。對于水基食品中乳酸菌以及牛奶中的大腸桿菌、銅綠假單胞菌等的定類定量分析，利用近紅外光譜技術(shù)收集其特征變化，并與細(xì)菌增殖程度和腐敗程度相關(guān)聯(lián)，可實現(xiàn)快速無創(chuàng)檢測。徐賽等[9]構(gòu)建了常見水果蔬菜微生物污染物監(jiān)測體系，將近紅外光譜技術(shù)（1 111 ～2 000 nm）應(yīng)用于菠蘿果肉中，有效完成了腸炎鏈球菌與大腸桿菌的鑒別，便捷性較高。

2.4 篩查致腐微生物

食品受到微生物影響，會出現(xiàn)腐敗從而失去食用價值，而利用近紅外光譜技術(shù)能夠檢測食物新鮮程度，分辨微生物含量以及種類。具體檢測中，對樣品進(jìn)行處理并應(yīng)用近紅外光譜技術(shù)采集標(biāo)準(zhǔn)菌的近紅外漫反射光譜數(shù)據(jù)后，結(jié)合化學(xué)計量對細(xì)菌繁殖引起的食品性質(zhì)形狀變化進(jìn)行在線監(jiān)測，這種方法能夠有效分析細(xì)菌總數(shù)、種類，為食物安全管理提供有效信息。王文秀等[10]采集了生鮮豬肉1 ～58 d共58 個樣本，收集可見/近紅外反射光譜信息，并建立豬肉新鮮度的支持向量機(jī)（Support Vector Machine，SVM）判別模型，該模型能夠提取不同期間生鮮豬肉在腐敗變質(zhì)過程中的光譜特征信息變化，實現(xiàn)了變量篩選的目的，為判斷致腐微生物的含量、種類提供了有效思路。

3 結(jié)語

食品微生物檢測中，近紅外光譜檢測技術(shù)通過對食物中多種微生物進(jìn)行近紅外漫反射光譜數(shù)據(jù)采集，結(jié)合化學(xué)計量方法，準(zhǔn)確檢測食品中的微生物種類與含量，從而實現(xiàn)產(chǎn)毒真菌的有效篩選、食品中有益微生物的檢測以及幫助控制微生物食品的質(zhì)量。但近紅外光譜檢測技術(shù)在建模階段需要投入大量的成本，研究者需要不斷探索出更為準(zhǔn)確、便攜、快速、簡單的檢測辦法。基于互聯(lián)網(wǎng)技術(shù)，構(gòu)建互聯(lián)網(wǎng)+檢測端+云數(shù)據(jù)的網(wǎng)絡(luò)化平臺將會提高近紅外光譜技術(shù)在食品微生物檢測中的運用效果，是未來食品微生物檢測發(fā)展的重要技術(shù)及目標(biāo)。