摘 要：近紅外光譜是基于物質(zhì)對近紅外光的吸收、反射和透射等來確定被檢測物質(zhì)成分或者性質(zhì)的一種檢測方法，具有無損、快速、高效、靈敏度高的優(yōu)勢，已被廣泛應(yīng)用于食品安全檢測領(lǐng)域。本文綜述了近紅外光譜技術(shù)在肉制品、乳制品、蜂蜜、食用油、調(diào)味品等食品摻假檢測中的研究進(jìn)展，討論了近紅外光譜未來的發(fā)展方向，并對其應(yīng)用前景進(jìn)行展望。

關(guān)鍵詞：近紅外光譜；食品摻假；檢測

Application of Near Infrared Spectroscopy Technology in Food Adulteration Detection

LIN Yong1， LIN Xiaobing2

（1.Shenzhen Academy of Metrology amp; Quality Inspection， Shenzhen 518000， China;

2.Shenzhen Shenjian Group Medical Testing Laboratory， Shenzhen 518000， China）

Abstract： Near-infrared spectroscopy is a detection method that determines the composition or properties of a material based on its absorption， reflection， and transmission of near-infrared light. This technique offers several advantages， including being non-destructive， fast， efficient， and highly sensitive， and it has been widely applied in the field of food safety testing. This paper reviews the research progress of near-infrared spectroscopy combined with chemometric methods in detecting adulteration in meat products， dairy products， honey， edible oils， and seasonings. Additionally， future development directions for near-infrared spectroscopy are discussed， and its potential applications are explored.

Keywords： near-infrared spectroscopy; food adulteration; detection

近年來，食品摻假現(xiàn)象頻發(fā)，引發(fā)了社會(huì)的廣泛關(guān)注和擔(dān)憂。例如，2021年河北省“偽劣香油案”使人“聞香色變”；2024年“罐車運(yùn)輸食用油”事件更是引發(fā)了全社會(huì)的高度關(guān)注。食品種類日益繁多，成分愈加復(fù)雜，多種成分的混合與新型摻假手段的使用，使得傳統(tǒng)檢測方法難以鑒別真假，且傳統(tǒng)的檢測方法周期長，對人員、儀器、場地都有較高要求。

1 近紅外光譜技術(shù)簡介

近紅外光譜技術(shù)（Near-Infrared Spectroscopy，NIR）是一種基于物質(zhì)在近紅外光區(qū)域（780～

2 500 nm）對光吸收特性的分析技術(shù)。該技術(shù)利用光與物質(zhì)相互作用時(shí)產(chǎn)生的吸收、透射或反射信號(hào)，來揭示樣品的分子結(jié)構(gòu)和化學(xué)成分，特別是對C-H、O-H、N-H等官能團(tuán)的振動(dòng)信息具有高度敏感性。

NIR技術(shù)在食品檢測中展現(xiàn)出諸多優(yōu)勢和獨(dú)特特點(diǎn)。①作為一種快速、無損的檢測方法，NIR技術(shù)能夠在不破壞樣品的前提下高效分析食品成分，減少了復(fù)雜的樣品前處理步驟。②NIR技術(shù)具備多組分同時(shí)檢測的能力，可以精準(zhǔn)測定水分、脂肪、蛋白質(zhì)、糖分等關(guān)鍵成分，廣泛應(yīng)用于食品成分分析和質(zhì)量控制。③該技術(shù)適用于多種食品形態(tài)，包括固體和液體，且檢測過程快速便捷，適合實(shí)時(shí)在線監(jiān)測，可以實(shí)現(xiàn)食品摻偽的在線檢測[1]。結(jié)合大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法，NIR技術(shù)進(jìn)一步提升了檢測的精確性和自動(dòng)化水平，為食品安全和質(zhì)量監(jiān)控提供了強(qiáng)有力的支持。

2 NIR技術(shù)在食品摻假檢測中的應(yīng)用

2.1 肉制品摻假

肉制品摻假問題在市場上日益嚴(yán)重，常見形式包括摻入低品質(zhì)肉類、混合非肉類成分、使用過量添加劑，甚至用廉價(jià)肉冒充高檔肉。NIR技術(shù)在肉制品摻假檢測領(lǐng)域具有廣泛的應(yīng)用前景。該技術(shù)通過分析肉制品在近紅外光區(qū)域內(nèi)的吸收光譜，能夠快速、無損地識(shí)別摻假的成分和比例。由于不同成分（如水、脂肪、蛋白質(zhì)、碳水化合物等）在近紅外區(qū)域的吸收特性不同，NIR技術(shù)可以有效區(qū)分正常肉制品與摻雜了劣質(zhì)肉類、植物蛋白、添加劑等不合規(guī)成分的產(chǎn)品。

梁靜等[2]采用近紅外光譜技術(shù)結(jié)合正交偏最小二乘判別分析法，建立牛肉摻假和羊肉摻假的定性鑒別模型，結(jié)果顯示，所有模型訓(xùn)練集鑒別準(zhǔn)確率均在95%以上，預(yù)測集鑒別準(zhǔn)確率均在90%以上；馮嘉欣等[3]采集400個(gè)不同肥瘦比的羊肉摻雜雞肉樣本的近紅外光譜數(shù)據(jù)，利用化學(xué)計(jì)量學(xué)方法建立了支持向量機(jī)（Support Vector Machine，SVM）和偏最小二乘法（Partial Least Squares，PLS）預(yù)測模型，實(shí)現(xiàn)對不同肥瘦比的羊肉中雞肉摻假比例的鑒別分析；白京等[4]制備324個(gè)添加豬肉的羊肉卷，經(jīng)近紅外光譜儀掃描，采集光譜數(shù)據(jù)，建立了競爭性自適應(yīng)加權(quán)采樣-偏最小二乘回歸（Competitive Adaptive Reweighted Sampling-Partial Least Square Regression，CARS-PLSR）預(yù)測模型，實(shí)現(xiàn)了羊肉卷中摻假豬肉的定量檢測。

2.2 乳制品摻假

乳制品摻假現(xiàn)象在近年來屢有發(fā)生，常見的手段包括摻入水分、淀粉、植物油脂或劣質(zhì)奶粉來降低生產(chǎn)成本。這不僅影響了乳制品行業(yè)的聲譽(yù)，還給食品安全帶來了重大隱患。近紅外光譜技術(shù)在乳制品摻假檢測中展現(xiàn)出顯著優(yōu)勢。該技術(shù)通過快速、無損分析乳制品的光譜特征，能夠精確識(shí)別摻入的非乳成分，如水分、淀粉等雜質(zhì)。

劉伯揚(yáng)等[5]利用近紅外光譜儀采集470例正常牛奶樣本和1 090例異常牛奶樣本的光譜數(shù)據(jù)，并結(jié)合化學(xué)計(jì)量學(xué)方法，建立了SVM鑒別模型，可以實(shí)現(xiàn)多種摻假物異常牛奶樣品的快速準(zhǔn)確識(shí)別，具有較好的特異性；黃揚(yáng)明等[6]采用近紅外光譜法結(jié)合偏最小二乘算法（PLS），建立了移動(dòng)窗口-偏最小二乘法（Moving Window-Partial Least Square，MW-PLS）模型，可以快速測定牛奶中的尿素含量；范睿等[7]制備50個(gè)摻假牛奶樣品，經(jīng)近紅外光譜儀漫反射光纖模塊掃描，化學(xué)計(jì)量學(xué)方法預(yù)處理，結(jié)合PCR構(gòu)建了摻假牛奶中植物水解蛋白含量的定量分析模型，說明該方法可用于牛奶中的植物水解蛋白的檢測。那琴[8]采用近紅外光譜法結(jié)合偏最小二乘法（PLS），建立駝乳以及駝乳粉摻假的定量檢測模型，該模型線性關(guān)系良好，最低檢測摻假濃度為5%，可用于駝乳以及駝乳粉摻假的定量檢測。

2.3 蜂蜜摻假

近紅外光譜技術(shù)在蜂蜜摻假檢測中展現(xiàn)出顯著優(yōu)勢。通過分析蜂蜜樣品的光譜特征，近紅外光譜能夠快速、無損地檢測其中是否存在摻入物，如糖漿或其他非天然甜味劑。由于不同化學(xué)成分對近紅外光具有獨(dú)特的吸收光譜特征，NIR技術(shù)能夠精確區(qū)分純蜂蜜和摻假的蜂蜜。此外，該方法無須復(fù)雜的樣品前處理，檢測速度快，結(jié)果可靠，已被廣泛應(yīng)用于蜂蜜質(zhì)量控制和市場監(jiān)管，為確保蜂蜜產(chǎn)品的純凈度和安全性提供了高效的檢測手段。

黃富榮等[9]采集112個(gè)天然純蜂蜜樣品和112個(gè)

摻假蜂蜜樣品的近紅外光譜數(shù)據(jù)，經(jīng)預(yù)處理后，結(jié)合偏最小二乘-判別分析（Partial Least Squares-Discriminant Analysis，PLS-DA）和SVM建立天然蜂蜜和糖漿摻假蜂蜜的鑒別模型，最佳PLS-DA模型準(zhǔn)確率為87.50%，SVM模型準(zhǔn)確率為94.64%；楊心浩[10]采集麥盧卡蜂蜜摻假樣品的近紅外光譜數(shù)據(jù)，經(jīng)光譜差異分析、主成分分析和偏最小二乘回歸向量分析，繪制水鏡圖并進(jìn)行水光譜組學(xué)評估，結(jié)果表明，近紅外光譜結(jié)合水光譜組學(xué)可以有效用于蜂蜜摻假的鑒別。

2.4 食用油摻假

食用油摻假現(xiàn)象在市場上較為普遍，常見形式包括摻入低品質(zhì)油、混合其他植物油，甚至使用工業(yè)油冒充食用油。為了有效識(shí)別摻假行為，近紅外光譜技術(shù)得到了廣泛應(yīng)用。該技術(shù)通過分析食用油的光譜吸收特征，能夠快速、無損地檢測油品的組成成分和質(zhì)量差異。

方芳等[11]采集摻假茶籽油樣品的近紅外光譜數(shù)據(jù)，結(jié)合線性判別分析和偏最小二乘法進(jìn)行定性和定量分析，對不同摻假類型的中、高摻假度（≥10%）的樣品識(shí)別率高達(dá)100%；孫通等[12]通過采集純山茶油與摻假山茶油的近紅外光譜數(shù)據(jù)，并結(jié)合線性判別分析方法建立鑒別分類模型，其中對摻入2%以上菜籽油的山茶油進(jìn)行分類時(shí)，分類正確率達(dá)到了100%；姚婉清等[13]應(yīng)用傅里葉近紅外光譜儀結(jié)合偏最小二乘法，建立了摻假山茶油的定量分析模型，該模型的預(yù)測值相對誤差較小，與真值沒有顯著性差異。

2.5 調(diào)味品摻假

調(diào)味品摻假現(xiàn)象在食品市場中屢見不鮮，常見手段包括在醬油、醋等調(diào)味品中摻入淀粉、色素、低價(jià)替代品或化學(xué)添加劑。近紅外光譜技術(shù)在調(diào)味品摻假的檢測中展現(xiàn)出巨大的潛力。通過分析調(diào)味品的光譜特征，近紅外光譜能夠快速、無損地識(shí)別其中的成分變化，精準(zhǔn)檢測摻入的非標(biāo)物質(zhì)。該技術(shù)不僅能夠提升調(diào)味品質(zhì)量監(jiān)控的效率，還可為打擊摻假行為提供科學(xué)依據(jù)。

符春利[14]采用可見-近紅外（Visible-Near Infrared Spectroscopy，Vis-NIR）結(jié)合化學(xué)計(jì)量學(xué)方法建立鑒別與摻假醬油判別模型，該模型具有在1 mm測量模態(tài)，僅采用3個(gè)波長，即可達(dá)到100%的判別準(zhǔn)確率，在10 mm測量模態(tài)，僅采用3個(gè)波長，即可達(dá)到超過97.9%的判別準(zhǔn)確率；古麗君等[15]采集103組食醋樣品的近紅外光譜數(shù)據(jù)，并結(jié)合化學(xué)計(jì)量學(xué)方法建立了食醋品牌的線性判別分析模型，其預(yù)測不同品牌食醋的正確率高達(dá)85.57%，具有較好的預(yù)測效果；管驍?shù)萚16]采集了4個(gè)品牌共160組食醋樣品的近紅外漫反射光譜數(shù)據(jù)，建立了SIMCA食醋品牌溯源模型，該模型對食醋進(jìn)行識(shí)別時(shí)，表現(xiàn)出極高的準(zhǔn)確性，4個(gè)品牌食醋的正確識(shí)別率依次為100.0%、100.0%、91.7%、90.0%。

2.6 其他食品摻假

近紅外光譜技術(shù)在多種食品摻假檢測中得到了廣泛應(yīng)用，除了在肉制品、乳制品、食用油和調(diào)味品之外，還應(yīng)用于面粉、速溶茶和咖啡等產(chǎn)品的摻假識(shí)別。通過分析食品的光譜特征，近紅外光譜能夠快速識(shí)別摻入的低質(zhì)量原料或替代成分，如面粉中摻入的滑石粉、咖啡中添加的果粉或大麥粉等。由于該技術(shù)無須對樣品進(jìn)行復(fù)雜處理，檢測速度快且不損壞樣品，已成為食品行業(yè)確保產(chǎn)品質(zhì)量和安全的高效工具。同時(shí)，結(jié)合現(xiàn)代數(shù)據(jù)分析技術(shù)，近紅外光譜還能識(shí)別更復(fù)雜的摻假行為，提升食品摻假檢測的全面性和精準(zhǔn)度。

包昌昊[17]制備360份摻假面粉樣品，經(jīng)近紅外光譜儀掃描，采集光譜數(shù)據(jù)，并結(jié)合化學(xué)計(jì)量學(xué)方法建立3個(gè)摻假面粉的分類鑒別模型，其中LLE-PLS模型鑒別效果最為優(yōu)異，可以實(shí)現(xiàn)對非法摻假面粉樣品的鑒別；李益兵等[18]采集速溶紅茶和速溶烏龍茶的近紅外光譜數(shù)據(jù)，并結(jié)合化學(xué)計(jì)量方法，建立了速溶茶內(nèi)部成分含量分析模型，可以實(shí)現(xiàn)速溶茶中茶多酚、茶氨酸和咖啡堿的快速無損檢測；陳秀明等[19]利用近紅外光譜儀采集摻假咖啡樣品，建立摻假咖啡光譜數(shù)據(jù)庫，結(jié)合化學(xué)計(jì)量學(xué)方法建立咖啡摻假快速鑒別模型，可以對含量在2%、5%、10%、15%、20%、30%及40%的巴西莓果粉和5%、10%、15%、20%、30%及40%的大麥摻假咖啡實(shí)現(xiàn)有效的摻假鑒別。

3 展望

近紅外光譜技術(shù)在食品摻假檢測中的應(yīng)用前景廣闊，隨著光譜儀器的不斷優(yōu)化和數(shù)據(jù)處理算法的進(jìn)步，有望進(jìn)一步提高檢測的靈敏度和準(zhǔn)確性。由于其具備快速、無損、綠色環(huán)保等優(yōu)點(diǎn)，近紅外光譜技術(shù)能夠在不破壞食品結(jié)構(gòu)的情況下，實(shí)時(shí)檢測食品中的摻假成分。例如，在蜂蜜、乳制品、肉制品和植物油等領(lǐng)域中識(shí)別常見的摻假物質(zhì)，如糖漿、劣質(zhì)油、非標(biāo)添加劑等。

未來，該技術(shù)有可能與機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析等先進(jìn)工具相結(jié)合，實(shí)現(xiàn)對復(fù)雜摻假模式的精準(zhǔn)識(shí)別。同時(shí)，近紅外光譜設(shè)備的便攜化與智能化也將推動(dòng)其在食品供應(yīng)鏈中的廣泛應(yīng)用，使其不僅能在實(shí)驗(yàn)室中發(fā)揮作用，還能實(shí)現(xiàn)現(xiàn)場快速檢測。通過建立完善的光譜數(shù)據(jù)庫和標(biāo)準(zhǔn)化檢測流程，近紅外光譜技術(shù)將在保障食品質(zhì)量與安全方面發(fā)揮越來越重要的作用，有助于監(jiān)管部門有效打擊日益復(fù)雜的食品摻假行為，為消費(fèi)者提供更高的食品安全保障。

4 結(jié)語

近紅外光譜技術(shù)以其快速、無損和高效的特點(diǎn)，在食品摻假檢測中展現(xiàn)了巨大的應(yīng)用潛力。隨著技術(shù)的不斷進(jìn)步，近紅外光譜技術(shù)在食品行業(yè)中的應(yīng)用將進(jìn)一步推動(dòng)檢測手段的智能化與精準(zhǔn)化，有效提高摻假行為的識(shí)別效率和食品質(zhì)量監(jiān)控水平。未來，近紅外光譜技術(shù)的廣泛推廣和深入應(yīng)用，不僅能更好地保障食品安全，還將為消費(fèi)者帶來更放心的消費(fèi)體驗(yàn)，促進(jìn)整個(gè)食品行業(yè)的健康發(fā)展。

參考文獻(xiàn)

[1]陳敏，王世平.食品摻偽檢驗(yàn)技術(shù)[M].北京：化學(xué)工業(yè)出版社，2007.

[2]梁靜，郝生燕，趙祥民，等.基于近紅外光譜技術(shù)構(gòu)建牛羊肉摻假鑒別模型[J].甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào)，2023，58（1）：19-29.

[3]馮嘉欣，李志剛，張小栓.近紅外光譜下冷鮮羊肉中雞肉摻假鑒別分析[J].食品科技，2022，47（7）：284-290.

[4]白京，李家鵬，鄒昊，等.近紅外特征光譜定量檢測羊肉卷中豬肉摻假比例[J].食品科學(xué)，2019，40（2）：287-292.

[5]劉伯揚(yáng)，高安平，楊戩，等.基于中紅外光譜的摻偽牛奶非靶向檢測方法研究[J].光譜學(xué)與光譜分析，2023，43（10）：3009-3014.

[6]黃揚(yáng)明，郭鑫宇，唐果，等.牛奶中摻入尿素的近紅外光譜法定量分析研究[J].光譜學(xué)與光譜分析，2023，43（增刊1）：65-66.

[7]范睿，孫曉凱，陳杰，等.基于近紅外光譜定量分析植物水解蛋白摻假牛奶[J].現(xiàn)代食品科技，2017，33（11）：264-271.

[8]那琴.基于近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)的駝乳及乳粉摻假檢測研究[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2022.

[9]黃富榮，宋晗，郭鎏，等.近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)的常見中國蜂蜜摻雜糖漿鑒別[J].光譜學(xué)與光譜分析，2019，39（11）：3560-3565.

[10]楊心浩.基于紅外光譜分析蜂王漿品質(zhì)及鑒別麥盧卡蜂蜜摻假的方法研究[D].廣州：暨南大學(xué)，2020.

[11]方芳，王耀耀，劉欣，等.基于近紅外光譜技術(shù)的茶籽油摻偽定性鑒別和定量分析[J].中國糧油學(xué)報(bào)，2023，38（12）：203-210.

[12]孫通，胡田，許文麗，等.基于UVE-GA變量優(yōu)選的山茶油可見/近紅外光譜摻假鑒別[J].中國油脂，2013，38（10）：75-79.

[13]姚婉清，彭夢俠，陳梓云，等.山茶油多元摻假近紅外模型的建立與研究[J].食品安全質(zhì)量檢測學(xué)報(bào)，2020，11（2）：493-499.

[14]符春利.Vis-NIR光譜結(jié)合化學(xué)計(jì)量學(xué)方法用于醬油多品牌鑒別與摻假判別分析[D].廣州：暨南大學(xué)，2022.

[15]古麗君，林振華，吳世玉，等.近紅外光譜結(jié)合線性判別分析方法在食醋品牌鑒別中的應(yīng)用[J].食品與發(fā)酵工業(yè)，2019，45（18）：243-247.

[16]管驍，古方青，劉靜，等.基于NIRS的食用醋品牌溯源模型的建立與優(yōu)化[J].現(xiàn)代食品科技，2014，

30（11）：200-203.

[17]包昌昊.基于近紅外光譜的面粉摻假鑒別與定量檢測方法研究[D].大慶：黑龍江八一農(nóng)墾大學(xué)，2023.

[18]李益兵，林顥，張可欣，等.基于近紅外光譜的速溶茶內(nèi)部成分含量快速檢測研究[J].食品科技，2024，49（6）：307-314.

[19]陳秀明，奚星林，潘丙珍，等.基于近紅外光譜技術(shù)的咖啡摻假快速鑒別方法[J].現(xiàn)代食品科技，2018，34（10）：253-257.