近红外光谱分析技术在农产品食品质量与安全检测中的应用研究进展.pdf

近红外光谱分析技术在农产品／食品质量与 安全检测中的应用研究进展。 应义斌 (浙江大学生物系统工程与食品科学学院。杭州310029) 摘要本文对近红外光谱分析技术在农产品／食品质量与安垒检测中的应用研完进展作了 简要综述。分别描述了国内外应用近红外光谱分析技术在谷物及种子、果蔬、酒类、乳制品和 水畜产品品质检测中的应用。并指出近红外光谱分析技术是建立农产品／食品质量安垒的有效监 控体系的若键技术之一。 关键词近红外光谱分析技术；农产品／食品；质量与安全 随着光学、计算机数据处理技术、化学计量学理论和方法的不断发展，以及近红外光谱 分析仪器的不断发展(光栅扫描型、傅里叶变换型、阵列型、声光可调型)和软件版本的不断 翻新，近红外光谱分析的稳定性、实用性和准确性不断提高。红外光谱分析技术具有分析快 速、简便、非破坏性以及可同时测定多成分的优点，已在农产品／食品质量与安全检测中得 到广泛应用。 1谷物及种子检测中的应用 自从Norris[1]首先将近红外光谱分析技术应用到农业领域，在相继测试了谷物中的水分、 粗蛋白和脂肪之后，该项技术在谷物品质检测领域中得到了快速发展，并取得了较大的成 果。近红外光谱技术在小麦品质分析中得到了较 大发展，相继有许多文献分别报道测定了小麦蛋 白质、淀粉、面筋、灰分等组分的含量[20J。 Ma蛐等博J将近红外光谱检测器安装在New Holland TX64型联合收割机上，用于检测谷物内部 品质(水分及蛋白质含量)，如图1所示。zeiss Corona近红外传感器安装在洁净的谷仓旁管上， 采用GRAMS／32软件包中的PLSplus／IQ模块进行 数据分析。通过数据分析得到：该装置在线检测 谷物中蛋白质和水分的交互验证标准偏差(SECV) 分别为0．57％和0．31％。 图l谷仓旁管上的检测结构图 *基金项目：国家高技术“863”计划资助项目(2001AA4Tn30)；国家自然基金资助项目(302707663)。 作者简介：应义斌，男，1964年出生，浙江宁渡人，博士，浙江大学生物系统工程与食品科学学院教授．博士生导 师。E-mail：，by崦@咖edu m。 65 2果蔬检测中的应用 随着高性能近红外光谱分析仪器的出现及光 纤在交互传输模式中的应用，采用近红外光谱分析技术检测水果和蔬菜的品质现已相当 普遍。 IJ-(2004)_9 J探索了680—1060nm多光谱波段对苹果中可溶性固形物(SSC)和硬度进行预 测的可行性，检测流程如图2所示。硬度的分析结果为：选用680nm、880nm、905nrn、 940tml波段，相关系数R=0．87，标准预测误差SEP=5．8N；SCC的分析结果为：选用 880nm、905nm、945rnn波段，R=O．77，SEP=o．78％。Carlomagno等(2004)110J设计了一套桃 子成熟度分级系统，主要是运用730— 9C0nm波段的近红外透射光谱检测糖度和硬 度以判别其成熟度，分级的正确率达到 馨82．5％。 “u等(2005)D1]采用近红外光谱分析技 术结合光纤传感技术用于富士苹果中SSC、 总酸和pH值的检测，测定结果中SEP分别 计算机为o．455％、0．044和0．068，R分别为 0．968、0，728和0．831。同年。Andrew等L123 对比分析了两套近红外光谱在线检测装置 图2多光谱系统检测苹果散射光的示意图 用于分析Br—bufn苹果黑心病的情况。一套 是基于时间延迟综合分析光谱系统TDIS， 另一套是大光圈分光光度计LAs。试验将两套系统的检测速度调至与正常分级速度相同，约 为5个水果／秒。通过偏最dxz．乘法回归分析得到：LAS分析结果最好，决定系数R2为O．9， 预测均方根偏差(RMSEP)为4．1％。Andrew等建议将LAS系统用于苹果黑心病在线检测。 Andre等(2005)[13J采用近红外光谱技术非破坏性测定西红柿的总固形物、可溶性固形物、番 茄红素和口一胡萝h素。采用单变量偏最d-乘法结合不同的光谱处理方法(多元散射校正、 二阶微分)进行了数据分析，其SEP和R分别为：总固形物O．4157％和0．9998，可溶性固形 物O．6333。Brix和o．9996，番茄红素21．5779mg／kg和O．9996，口一胡萝h素0．7296mg／kg 和0．9981。 3酒品质检测中的应用 Cozzolino等(2003)D4J将可见一近红外光谱分析技术用于澳大利亚白酒Chardormay和Ries． 1it·g的品种分类鉴别，并采用主成分回归和判别偏最zb--乘法建立了鉴别模型。试验分析得 到：采用判别偏最zb--乘法模型鉴别出Chardonnay的正确率为100％，鉴别出Riesling的正确 率为96％。2004年，该团