近紅外光譜在魚類及魚制品定性定量分析中的應用

田華，侯志杰，陳報陽，李方慧，趙東黎

1(信陽師范學院 生命科學學院，河南 信陽，464000)2(信陽師范學院 大別山農業生物資源保護與利用研究院，河南 信陽，464000)

近紅外光譜在魚類及魚制品定性定量分析中的應用

田華1,2*，侯志杰1，陳報陽1，李方慧1，趙東黎1

1(信陽師范學院 生命科學學院，河南 信陽，464000)2(信陽師范學院 大別山農業生物資源保護與利用研究院，河南 信陽，464000)

近紅外光譜技術作為一種方便、快捷、綠色、高效的無損檢測技術，在農業、食品、醫藥、石油及其他方面檢測中有獨到的優勢和廣闊的發展前景。文中對近紅外光譜的工作原理及其在魚、魚糜、魚丸、魚粉、魚油等定量定性分析中的應用進行了綜述，包括對其組成及添加成分分析、新鮮度評價、品種屬地的快速鑒別和品質的在線分析檢測。

近紅外光譜；魚；魚糜；魚副產品；新鮮度

魚肉作為易消化、營養價值高的食物受到人們的青睞，魚肉含有豐富的蛋白質、脂肪、維生素、礦物質及多種生理活性成分，但魚肉水分含量較高，體表帶有多種微生物，體內常含有多種酶類，加之目前低溫保藏技術還不完善，在存放或加工過程中容易在酶和微生物的綜合作用下發生腐敗變質，引起肌肉質地、風味和化學成分等變化，致使水產品鮮度下降、品質變差，因此其品質和安全的檢測很重要[1]。近紅外光譜分析技術是近年來發展起來的一種高效、快速、無損檢測技術，該技術已在農業、石油、醫藥、食品等領域進行了應用[2]。針對魚類及其副產品，國內外學者利用近紅外光譜分析技術探索研究了淡水魚和海水魚活魚及魚片、魚糜及魚粉、魚丸等魚副產品進行相關無損檢測研究[3]。本研究介紹了近紅外光譜的工作原理，探討了近紅外光譜技術在不同品種魚、魚糜制品及魚副產品定量定性分析中的應用。

1 近紅外光譜工作原理

近紅外光譜分析技術是利用物質含氫基團(如C-H、O-H、N-H、S-H等)的伸縮振動的各級倍頻及其伸縮振動與彎曲振動合頻吸收信息進行物質的定性和定量分析的一種快速有效的無損檢測技術，能夠在很短的時間內分析出樣品的密度、黏度、粒度、硬度等物理性質，以及蛋白質、氨基酸、脂肪、淀粉、水分和其他營養成分等化學成分[4]。不同品種魚樣品及魚糜制品含有機酸、蛋白質和多糖等含氫基團的有機成分，其近紅外光譜中就包含了大量這些基團的倍頻及合頻的吸收峰，這也使得利用近紅外光譜檢測魚類新鮮度或品種鑒別成為可能[5]。近紅外光譜對魚、魚糜及魚副產品的檢測主要包含定性檢測和定量檢測。定性檢測就是針對不同品種魚、魚糜及魚副產品來源不同，或者其含有其他的物質如豆粕、磷酸鹽、肉骨粉、三聚氰胺等成分，使樣品整體結構和組成的光譜信息差異而出現不同的近紅外光譜圖。因此，比較未知樣本與已知參考樣本的光譜，確定未知物的歸屬[6]。近紅外光譜的定量分析是利用化學分析數據(或者其他物化性質)與近紅外光譜數據相結合建立定量校正模型，確定模型的參數后，以這個模型去定量預測某些未知樣品的信息(如濃度)。因此，近紅外光譜分析是一種高效、無損、無污染的高新分析測試技術，其光譜穩定、信息量大，能夠反映樣品的綜合信息，可通過多元校正模型實現多組分同時測定。

在光譜數據與化學值關聯之前,由于近紅外光譜包含了噪聲,為此需要對特定的樣品光譜數據進行適當預處理或者篩選建模的譜區范圍，優化模型，提高檢測精度[5,7]。近紅外分析的數據預處理主要包括剔除異樣樣品、消除光譜噪聲，噪聲主要指隨機噪聲、信號本底、基線漂移、樣品不均勻和光散射等。常見的預處理方法有Savitzky-Golay平滑、Savitzky-Golay導數、多元散射校正(MSC)、均值中心化、標準正態變量變換(SNV)、去趨勢校正(DT)、差分求導、數據標準化(S)、標準化(S)、凈分析信號(NAS)、正交信號校正(OSC)、基線校正等[6，8]。在近紅外分析過程中，常用的建模方法包括：多元線性回歸法和主成分回歸法等線性校正方法，以及支持向量機法、人工神經網絡和拓撲方法等非線性校正方法[9]，偏最小二乘(PLS)模型、區間偏最小二乘(iPLS)模型、向后區間偏最小二乘(biPLS)模型和聯合區間偏最小二乘(siPLS)模型[10]。這些建模方法可與傳統的新鮮度指標(TVB-N、K值、pH值、TBA、TMA等)結合，實現水產品特定組成成分的定量快速檢測[1]。徐文杰等[8]在1 000～1 799 nm光譜內, 結合化學實測值建立鰱魚偏最小二乘法、主成分分析和人工神經網絡技術建立鰱魚營養成分近紅外定量模。在3種建模方法中，近紅外光譜數據結合偏最小二乘法建立的鰱魚營養成分模型最優，模型具有較好的預測能力，能較為準確、快速地分析出鰱魚魚肉粗蛋白、粗脂肪、水分和灰分的含量。主成分分析法和偏最小二乘法也是近紅外光譜對食品營養成分及其所含特殊物質檢測分析建模時最常用的方法，兩者均采用全譜信息，通過交叉驗證來預防過擬合現象[6]，在多種淡水魚、海水魚新鮮度檢測中都有運用。

2 近紅外光譜對不同品種魚及魚糜制品組成成分分析

近紅外光譜技術在水產品領域最早應用于魚及魚糜制品的定量和定性分析。國外對水產品的近紅外光譜分析研究起步較早，主要集中在魚肉及魚糜營養成分的檢測。早在1987年，MATHIAS等[11]就利用近紅外光譜技術研究了凍干淡水魚魚體的蛋白質和油脂的含量。ISAKSSON等[12]用近紅外漫反射光譜測定了大西洋鮭魚脂肪、水分和蛋白質的含量。FOLKESTAD等[13]快速無損測定了大西洋鮭魚的脂肪和色素含量。UDDIN[14]及HUANG等[15]應用近紅外光譜技術測定了魚糜中的水分及蛋白質含量。DOWNEY[16]利用近紅外光譜分析技術檢測人工養殖的鮭魚肉魚油和水分進行分析。近年來，國內學者用近紅外光譜在不同品種魚、魚糜及魚丸、魚粉等魚副產品的營養組成成分進行了近紅外光譜建模研究[17-19]。大量的研究結果均表明，采用近紅外光譜數據和偏最小二乘法、主成分分析方法等建模方法建立的模型具有較好的預測能力, 能較為準確、快速地分析出魚肉、魚糜及魚副產品粗蛋白、粗脂肪、水分、淀粉和灰分的含量。同樣，魚粉中的水分、粗蛋白、氨基酸、粗脂肪、粗灰分、總磷和鹽分含量也可采用近紅外光譜分析技術檢測,但鈣的預測結果不理想[20-23]。

3 近紅外光譜對不同品種魚及魚糜制品新鮮度指標的檢測及在線檢測

隨著近紅外技術的發展，國外學者開始采用近紅外光譜開展魚新鮮度的研究。BECHMANN等[24]采用近紅外光譜技術快速檢測了冰凍鱈魚的持水性、TVB-N、甲醛、二甲胺等品質參數，預測效果良好。NILSEN[25]將采集的冰凍鱈魚與鮭魚2種海魚的近紅外光譜與貯藏時間建模。此外，NILSEN[26]以感官評價得分為新鮮度標準，研究了400～1 000nm可見光內光譜吸收峰的變化趨勢與鱈魚新鮮度的關系。SIVERTSEN等[27]利用手持便攜式近紅外儀器和成像光譜儀區分新鮮鱈魚片和解凍鱈魚片的新鮮度，發現采用近紅外光譜分析很容易區分解凍鱈魚片。魚類貯藏期間代謝化學物質檢測方面，ARMENTA[28]采用近紅外光譜儀結合特定波長點對貯藏期間的鱈魚、沙丁魚、墨魚等幾種海體魚內的三甲胺(TMA)念量進行定量分析。UDDIN等[29]采用可見近紅外光譜有效識別了新鮮和冷凍真鯛；B?KNS等[30,31]采用近紅外評價了氣調包裝凍藏鱈魚片的新鮮度。SMULEVICH等[32]采用近紅外光譜區分金槍魚肉的紅色是否是CO處理的結果，研究表明近紅外光譜分析提供了以一種快速定性檢測金槍魚肉是否經過CO處理。

我國對近紅外光譜技術的研究及應用起步較晚，在魚糜制品、魚丸及整魚新鮮度近紅外光譜檢測發展迅速，研究對象涉及鯉魚、鯽魚、鳙魚、草魚、武昌魚、鰱魚、羅非魚等淡水魚，以及鱸魚、帶魚、金槍魚、大黃魚、三文魚、金鯧魚、鮐魚、大菱鲆、大西洋鮭等海水魚。通常魚類新鮮度評價主要包括感官評價、物理檢驗、化學檢驗、營養檢驗和微生物檢驗等幾個方面，其中揮發性鹽基氮(TVB-N)、菌落總數(TVC)、硫代巴比妥酸TBA值、三甲胺(TMA)、K 值、pH 值等新鮮度指標是最基本、最重要的評價指標。基于新鮮度評價指標的檢測，采用近紅外光譜技術和化學計量學方法，同時采集其近紅外光譜建立新鮮度的近紅外定量分析模型，大量的研究結果表明，基于近紅外光譜技術的魚肉新鮮度預測效果良好[33-36]。為解決魚類新鮮度人工檢測時間長、效率低、勞動強度大問題，黃濤[3]、李鵬等[37]提出自行搭建淡水魚近紅外光譜在線采集平臺，采集其近紅外漫反射光譜，建立淡水魚新鮮度在線檢測模型，實現了淡水魚品質的在線分級。

4 近紅外光譜在不同品種魚及魚糜制品品種、屬地鑒定及品質分類研究

淡水魚經宰殺、切塊或采肉后，就很難對樣品進行準確鑒別。摻假魚及其制品不僅影響食品的衛生和營養，而且嚴重危害消費者的健康。為保護合法生產經營者和消費者的利益，有必要進行魚種種類及品質的鑒別。王幸幸等[38]以2種大麻哈魚57個樣品為研究對象，采用近紅外光譜技術結合聚類分析和主成分分析方法，進行魚品種快速鑒別，研究發現近紅外光譜技術為快速無損鑒別魚品種提供準確可靠的方法。徐文杰等[39]采用近紅外光譜技術快速地鑒別出青、草、鰱、鳙、鯉、鯽、魴等7 種淡水魚。孟志娟等[36]采用近紅外光譜有效鑒別了5個產地帶魚的產地來源。三文魚的肉色是評價其品質優劣的重要指標，王磊等[40]研究發現，稀疏表示降維處理的近紅外光譜分類模型能更好地對三文魚的肉質特色進行正確的分類。吳浩等[41]采用近紅外光譜技術對冷凍和解凍狀態的不同等級白姑魚糜進行等級評定，主成分分析可以將3個等級白姑魚糜較好地區分開，冷凍狀態白姑魚糜建立的等級評定模型效果優于解凍狀態白姑魚糜，利用近紅外光譜技術可以快速無損鑒定不同品種和不同等級海水魚糜[42]。

5 近紅外光譜對魚糜、魚粉、魚油中特殊成分的檢測

磷酸鹽對魚糜品質有重要的影響，魚糜原料在生產過程中加入適量磷酸鹽可防止蛋白質冷凍變性，可提高魚糜的持水性。同時，為了防止魚糜制品的腐敗變質，魚糜制品中還會添加食品防腐劑山梨酸鉀。但是，過量攝入磷酸鹽和山梨酸鉀都會對人體健康造成損害。董若琰[43-44]以帶魚糜和鱈魚糜及其制品(帶魚魚糕和鱈魚丸)為研究對象，探討了將指紋圖譜技術(近紅外光譜技術和電子鼻技術)用于測定魚糜及其制品中磷酸鹽和山梨酸鉀含量的可能性，結果表明近紅外光譜技術可用于魚糜中磷酸鹽和山梨酸鉀含量的快速無損檢測。魚粉蛋白質含量高、氨基酸種類齊全，是很好的畜禽蛋白飼料。但我國魚粉資源總量不足，價格較高，于是一些不法企業在魚粉中添加肉骨粉、豆粕、三聚氰胺等成分，嚴重地影響了魚粉的質量安全。采用近紅外光譜技術可以做到魚粉中摻假的肉骨粉[45]、豆粕[46]、三聚氰胺[47-48]等成分的快速準確的定性鑒別。宋濤等[49]通過近紅外光譜分析技術對淡水魚粉、進口魚粉和國產魚粉3類商品化的魚粉樣品進行自動化判別實驗，采用主成分分析法建立魚粉種類的定性判別的分類模型，預判準確率達到84.6%,外部驗證準確率達到100%。張瑜等[50]采用近紅外光譜檢測技術對摻入不同含量大豆油和菜籽油的魚油進行分析，研究發現應用可見-近紅外光譜技術在魚油摻假方面進行檢測是可行的。

6 結語

通過對近紅外光譜技術在魚、魚糜制品及魚丸、魚粉、魚油等魚副產品組成成分及添加成分分析、新鮮度評價、品質在線分析進行研究，可以更好地對魚、魚糜及魚副產品的營養品質、新鮮度進行預測和控制，可以快速地其品種、屬地進行鑒定。近紅外光譜分析是一種高效、綠色的分析測試技術，其最大特點就是該區域為含氫基團的倍頻和合頻吸收區，可以從更深的層次反應水產品內部的變化情況，能很好地從微觀方面反映不同品種魚、魚糜及魚副產品樣本之間存在的差異性。近紅外光譜技術前處理過程簡單，顆粒、固體、液體和懸濁液等不同狀態下的樣品都可以檢測。但其也有其局限性，如儀器設備成本高，建模方法繁瑣且模型差異導致模型的過適應或欠適應，近紅外光譜儀易受溫度等外部環境影響，定量分析精度不高，要求樣品具有較好的均勻性，對水產品外部信息無能為力，這樣就需要借助于其他儀器，如計算機視覺技術、電子鼻、電子舌等嗅覺可視化技術補充到水產品新鮮度的評定中去。因此，基于近紅外光譜的多傳感器多指標信息融合檢測技術及其在線檢測，可應用到大規模的加工生產中去，有助于食品品質評定行業從人員密集型向技術密集型的轉變和自動化、智能化水平的提高。并且，隨著光導纖維及傳感器技術的發展，在線檢測及網絡聯用的近紅外光譜技術很容易實現異地定標、異地檢測、資料共享，有力的保證了食品安全，為農業、工業等各個領域帶來了良好的經濟效益和社會效益。

[1] 勵建榮，李婷婷，丁婷. 水產品新鮮度綜合評價與貨架期預測模型的構建研究進展[J]. 食品科學技術學報,2016(1):1-8.

[2] 朱逢樂. 基于光譜和高光譜成像技術的海水魚品質快速無損檢測[D].武漢：杭州：浙江大學,2014.

[3] 黃濤，李小昱，彭毅，等. 基于近紅外光譜的淡水魚新鮮度在線檢測方法研究[J]. 光譜學與光譜分析,2014(10):2 732-2 736.

[4] 劉燕德. 無損智能檢測技術及應用[M]. 武漢：華中科大出版社, 2007.

[5] 劉歡，徐文杰，劉友明，等. 鯽魚新鮮度近紅外定量預測模型的建立[J]. 現代食品科技,2015(7):173-182.

[6] 張曉敏. 近紅外光譜技術快速評估鱸魚新鮮度的方法研究[D].杭州：浙江工商大學,2013.

[7] 陳偉華，許長華，樊玉霞，等. 近紅外光譜技術快速無損評價羅非魚片新鮮度[J]. 食品科學,2014,35(24):164-168.

[8] 徐文杰，劉歡，陳東清，等. 基于近紅外光譜技術的鰱魚營養成分的快速分析[J]. 食品安全質量檢測學報,2014(2):516-527.

[9] 曹海燕. 基于近紅外光譜技術的紫薯半干面成分快速檢測及真偽鑒別[D].杭州：浙江工商大學,2015.

[10] 徐富斌，黃星奕，丁然，等. 基于近紅外光譜的大黃魚新鮮度評價模型[J]. 食品安全質量檢測學報,2012(6):644-648.

[11] MATHIAS J A, WILLIAMS P C, SOBERING D C. The determination of lipid and protein in freshwater fish using near-IR reflectance spectroscopy[J]. Aquaculture, 1987, 61(3):303-311.

[12] ISAKSSON T,T?GERSEN G, IVERSEN A, et al. Non-destructive determination of fat, moisture and protein in salmon fillets by use of near-infrared diffuse spectroscopy[J]. Journal of the Science of Food & Agriculture, 1995, 69(69):95-100.

[13] FOLKESTAD A, WOLD J P, R?RVIK K A, et al. Rapid and non-invasive measurements of fat and pigment concentrations in live and slaughtered Atlantic salmon (Salmosalar, L.)[J]. Aquaculture, 2008, 280(1):129-135.

[14] UDDIN M, OKAZAKI E, FUKUSHIMA H, et al. Nondestructive determination of water and protein in surimi by near-infrared spectroscopy[J]. Food Chemistry, 2006, 96(3):491-495.

[15] HUANG Y, WANG X C, DENG D W. Rapid determination of moisture and protein contents in silver carp surimi by Fourier transform near-infrared (FT-NIR) spectrometry.[J]. Asian Fisheries Science, 2009(22)：337-345.

[16] DOWNEY G. Non-invasive and non-destructive percutaneous analysis of farmed salmon flesh by near infra-red spectroscopy[J]. Food Chemistry, 1996, 55(3):305-311.

[17] 羅陽，王錫昌，鄧德文. 近紅外光譜分析測定魚丸中的水分和淀粉含量[J]. 光譜實驗室,2008(6):1 131-1 137.

[18] 左克利，史巖，徐坤，等. 近紅外光譜技術快速檢測狹鱈水分、脂肪和蛋白質的含量[J]. 食品工業科技,2012(23):326-329.

[19] 徐文杰，李俊杰，賈丹，等. 近紅外光譜技術分析草魚營養成分[J]. 食品科學,2013,14(20):161-164.

[20] 丁柯，張月敬，沈廣輝，等. 蛋白飼料原料粗蛋白含量近紅外光譜模型轉移研究[J]. 光譜學與光譜分析，2016(5):1 334-1 339.

[21] 丁麗敏，計成，陳怡煌，等. 近紅外光譜分析技術快速測定魚粉氨基酸含量的研究[J]. 飼料研究,1999(5):26-28.

[22] 姜訓鵬. 基于光譜/空間信息的肉骨粉近紅外顯微成像分析方法研究[D].北京：中國農業大學,2014.

[23] 牛智有，韓魯佳. 魚粉中氨基酸近紅外光譜定量分析[J]. 農業機械學報,2007(5):114-117.

[24] BECHMANN I E, J?RGENSEN B M. Rapid assessment of quality parameters for frozen cod using near infrared spectroscopy[J]. Lebensmittel-Wissenschaft und-Technologie, 1998, 31(7):648-652.

[25] NILSEN H, ESAIASSEN M, HEIA K, et al. Visible/Near-Infrared Spectroscopy: A New Tool for the Evaluation of Fish Freshness?[J]. Journal of Food Science, 2002, 67(5):1 821-1 826.

[26] NILSEN H, ESAIASSEN M. Predicting sensory score of cod (Gadusmorhua) from visible spectroscopy[J]. Lebensmittel-Wissenschaft und - Technologie. Food science and technology, 2005, 38(1):95-99.

[27] SIVERTSEN A H, KIMIYA T, HEIA K. Automatic freshness assessment of cod (Gadusmorhua) fillets by Vis/Nir spectroscopy[J]. Journal of Food Engineering, 2011, 103(3):317-323.

[28] ARMENTA S, COELHO N M, RODA R, et al. Seafood freshness determination through vapour phase Fourier transform infrared spectroscopy.[J]. Journal of Materials Science, 2006, 25(1):379-383.

[29] UDDIN M, OKAZAKI E, TURZA S, et al. Non-destructive visible/NIR spectroscopy for differentiation of fresh and frozen-thawed fish[J]. Journal of Food Science, 2005, 70(8):506-510.

[30] B?KN?S N, JENSEN K N, ANDERSEN C M, et al. Freshness assessment of thawed and chilled cod fillets packed in modified atmosphere using near-infrared spectroscopy[J]. LWT - Food Science and Technology, 2002, 35(7):628-634.

[31] B?KN?S N, JENSEN K N, GULDAGER H S, et al. Thawed chilled barents sea cod fillets in modified atmosphere packaging-application of multivariate data analysis to select key parameters in good manufacturing practice[J]. Lebensmittel-Wissenschaft und-Technologie, 2002, 35(5):436-443.

[32] SMULEVICH G, DROGHETTI E, FOCARDI C, et al. A rapid spectroscopic method to detect the fraudulent treatment of tuna fish with carbon monoxide[J]. Food Chemistry, 2007, 101(3):1 071-1 077.

[33] 孟一，張玉華，許麗丹，等. 近紅外光譜采集方式與樣品形態對帶魚新鮮度檢測結果的影響[J]. 食品工業科技,2014(11):282-287.

[34] 陳偉華. 基于近紅外光譜技術的羅非魚片品質評價研究[D].上海：上海海洋大學,2015.

[35] 勵建榮，王麗，張曉敏，等. 近紅外光譜結合偏最小二乘法快速檢測大黃魚新鮮度[J]. 中國食品學報,2013(6):209-214.

[36] 孟志娟. 基于多元指紋圖譜技術的帶魚產地鑒別與新鮮度評價研究[D].杭州：浙江海洋學院,2013.

[37] 李鵬. 基于虛擬儀器的淡水魚在線品質分級系統研究[D]. 武漢：華中農業大學, 2013.

[38] 王幸幸，徐坤，史巖，等. 基于近紅外光譜技術的大麻哈魚品種快速鑒別研究[J]. 食品工業,2012(6):132-134.

[39] 徐文杰，劉茹，洪響聲，等. 基于近紅外光譜技術的淡水魚品種快速鑒別[J]. 農業工程學報,2014(1):253-261.

[40] 王磊，殷姣姣，余心杰. 基于近紅外光譜技術的三文魚肉質分類研究[J]. 計算機與現代化,2015(9):109-112.

[41] 吳浩，陳偉華，王錫昌，等. 近紅外光譜技術在魚糜等級評定中的應用研究[J]. 光譜學與光譜分析,2015(5):1 239-1 242.

[42] 胡偉，郭小溪，許長華，等. 利用近紅外光譜技術快速鑒定不同品種與不同等級海水魚糜[C].中國食品科學技術學會第十二屆年會暨第八屆中美食品業高層論壇論文摘要集，2015.

[43] 董若琰. 利用指紋圖譜技術測定帶魚糜和鱈魚糜及其制品中磷酸鹽和山梨酸鉀含量[D].上海：上海海洋大學,2013.

[44] 董若琰，王錫昌，劉源，等. 近紅外光譜技術快速無損測定帶魚糜及其制品中磷酸鹽含量[J]. 光譜學與光譜分析,2013(6):1542-1546.

[45] 楊增玲，韓魯佳，湛小梅，等. 近紅外光譜技術在魚粉摻假檢測中的應用[C]. 中國農業工程學會2011年學術年會論文集，2011.

[46] 石光濤，韓魯佳，楊增玲，等. 魚粉中摻雜豆粕的可見和近紅外反射光譜分析研究[J]. 光譜學與光譜分析,2009(2):362-366.

[47] 劉小莉，賈剛，王康寧，等. 應用傅利葉近紅外光譜定性、定量檢測魚粉中摻雜三聚氰胺的研究[J]. 動物營養學報,2010(3):741-749.

[48] 劉小莉. 應用傅利葉近紅外光譜定性、定量檢測魚粉中摻雜三聚氰胺的研究[D].雅安：四川農業大學,2010.

[49] 宋濤，宋軍，劉耀敏，等. 基于近紅外光譜法的魚粉快速判別[J]. 食品科學,2015,36(28):260-264.

[50] 張瑜，談黎虹，曹芳，等. 可見-近紅外光譜分析技術對魚油摻假定量快速無損檢測方法研究[J]. 光譜學與光譜分析,2013(6):1 532-1 536.

Prospects of applying near infrared spectroscopy in qualitative and quantitative analysis of fish and its products

TIAN Hua1,2*, HOU Zhi-jie1, CHEN Bao-yang1, LI Fang-hui1, ZHAO Dong-li1

1(College of Life Science, Xinyang Normal University, Xinyang 464000,China)2(Key Laboratory of Simulation and Control forDabie Mountains Population Ecology, Xinyang Normal University, Xinyang 464000, China)

As a convenient, fast, green and efficient nondestructive inspection technology, near infrared spectroscopy (NIR)has unique features and bright future in the inspection of agriculture, food, medicine, oil and other objects. Working principle of near infrared spectroscopy and its application in the qualitative and quantitative analysis of fish and its products were reviewed, such as surimi, fish-ball, fish meal, fish oil, the composition analysis, freshness evaluation, rapid discrimination of species and origin, and quality online analysis. This paper explored that multi sensors and multi indexes fusion detection technology based on near infrared spectroscopy was the future research directions, aiming to provide the convenience for the future quality inspection and discrimination of fish species and origin．

near infrared spectroscopy；fish；surimi; by-products; freshness

博士，副教授(本文通訊作者,E-mail：xynu0818@163.com)。

信陽師范學院大別山農業生物資源保護與利用研究院開放課題；信陽師范學院大學生科研基金

2016-08-31，改回日期：2016-12-14

10.13995/j.cnki.11-1802/ts.201706047