近紅外光譜分析技術(shù)檢測食品中非法添加物的研究進展*

李穎，孫兆敏，劉萌，余蕾，閻光宇

（廈門海洋職業(yè)技術(shù)學(xué)院 海洋生物學(xué)院，福建 廈門 361000）

0 引言

“民以食為先，食以安為先”，食品安全問題越來越受到消費者以及社會各界的重視，習(xí)近平總書記曾強調(diào)，堅決遏制各類食品安全違法犯罪行為，提高群眾消費安全感和滿意度。在各類食品安全問題中，食品中檢測出非法添加物時有發(fā)生，使人們的日常飲食安全受到了嚴重的威脅。從2008年起，我國陸續(xù)發(fā)布了多批次《食品中可能違法添加的非食用物質(zhì)和易濫用的食品添加劑品種名單》，其中食品中非法添加物主要包括三聚氰胺、吊白塊、蘇丹紅、蛋白精、硫氰酸鈉、工業(yè)酒精、孔雀石綠、硼砂、羅丹明B、工業(yè)明膠等，國標(biāo)中對于上述非法添加物有明確規(guī)定的檢測方法，包括傳統(tǒng)的理化分析、高效液相色譜法、氣相色譜法、氣相色譜-質(zhì)譜法、固相萃取法、電感耦合等離子體質(zhì)譜等[1]，上述方法結(jié)果準(zhǔn)確可靠，但是耗時長，操作繁瑣。

與上述分析方法相比，近紅外光譜分析技術(shù)通過構(gòu)建定量分析模型或者將定量分析模型應(yīng)用于各個領(lǐng)域中，具有高效、便捷、綠色環(huán)保等獨特優(yōu)勢，在食品中，尤其在肉制品、乳制品、蛋制品、水產(chǎn)品等方面被廣泛研究[2]。近年來，研究者利用近紅外光譜分析技術(shù)開展一系列有關(guān)食品中的非法添加物的檢測研究，如三聚氰胺[3]、蘇丹紅[4]、工業(yè)明膠[5]、地溝油含量[6]檢測等。因此，本文通過綜述近紅外光譜分析技術(shù)在食品中非法添加物的應(yīng)用進展，期望為近紅外光譜分析技術(shù)在相關(guān)物質(zhì)的檢測提供借鑒，同時，對近紅外光譜分析技術(shù)目前發(fā)展的局限性進行分析，對該技術(shù)的應(yīng)用前景進行了展望，以期為今后食品中的非法添加物檢測未來研究方向提供參考。

1 近紅外光譜分析技術(shù)簡介

1.1 近紅外光譜分析技術(shù)的原理

近紅外光譜分析是通過對給定樣品中含氫基團X－H(X=C、N、O、S)在近紅外波長780～2526 nm范圍內(nèi)振動的倍頻和組合頻吸收信息進行測量達成對樣品的分析。由于受到不同分析構(gòu)象、光散射、光譜吸收峰強度較弱、吸收帶較寬且不同吸收峰重疊相互等影響，造成光譜解析困難，難以通過直接解析光譜分析相關(guān)組分的組成和含量，因此需要借助化學(xué)計量學(xué)模型進一步解析[7]。20世紀(jì)80年代以來，隨著化學(xué)計量學(xué)理論不斷擴充和完善，紅外分析技術(shù)在樣品給定組分分析上應(yīng)用得到的有效經(jīng)驗，近紅外光譜分析技術(shù)得到前所未有的飛速發(fā)展，目前，已在生物、食品、藥品、環(huán)境、石化等領(lǐng)域得到成功應(yīng)用。

近紅外光譜分析技術(shù)由近紅外光譜儀器、建模應(yīng)用軟件（如matlab、phython、SPSS等）和分析模型（定性分析模型或者定量分析模型）三部分構(gòu)成的，具體流程見圖1。首先利用近紅外光譜儀采集樣本的近紅外光譜，將光譜集合劃分為校正集和預(yù)測集；然后利用建模應(yīng)用軟件將校正集光譜與光譜反映樣品中相關(guān)成分的化學(xué)組成、性質(zhì)等分子結(jié)構(gòu)信息關(guān)聯(lián)構(gòu)建定量分析模型或者定量分析模型，在模型構(gòu)建完成后將預(yù)測集光譜帶入所構(gòu)建的分析模型中，根據(jù)模型輸出結(jié)果判別所構(gòu)建模型的效果；最后根據(jù)上述構(gòu)建定量分析模型或者定量分析模型，預(yù)測未知樣本的相關(guān)成分的化學(xué)組成或性質(zhì)。

圖1 近紅外光譜分析技術(shù)原理圖

1.2 近紅外光譜分析技術(shù)的特點

目前，近紅外光譜分析技術(shù)已經(jīng)成為工農(nóng)業(yè)生產(chǎn)過程質(zhì)量監(jiān)控中不可或缺的重要分析方法之一，具有一系列獨特優(yōu)越性，具體見表1所示[8]。但也存在以下不足之處[7]：由于定量分析或定性分析主要依靠校正模型的建立，針對不同的樣品和成分都需要單獨校準(zhǔn)，因此需要對校正模型經(jīng)常擴充和維護；由于模型的建立與采集的光譜數(shù)據(jù)密切相關(guān)，不同光譜儀采集到的光譜存在差異，因此不同儀器的性能指標(biāo)的一致性還需要提高；近紅外光譜分析技術(shù)的檢測限一般為0.1%左右，對痕量分析往往不適用。

表1 近紅外光譜分析技術(shù)的優(yōu)點

2 近紅外光譜分析技術(shù)檢測三聚氰胺

三聚氰胺，化學(xué)名稱為2,4,6-三氨基-1,3,5-三嗪，是一種富氮化合物，通常用于塑料、黏合劑、油漆、阻燃劑和肥料混合物，但由于三聚氰胺含氮量高，按質(zhì)量計為66.7%，因此為了增加食物中的蛋白質(zhì)含量，被作為一種非法添加物添加到食品中，以增加食品中蛋白質(zhì)的表觀含量。2008年中國三聚氰胺嬰幼兒配方奶粉事件引發(fā)了全球?qū)θ矍璋返年P(guān)注。根據(jù)我國衛(wèi)生部發(fā)布的GB/T 22388—2008《原料乳與乳制品中三聚氰胺檢測方法》中規(guī)定嬰兒配方食品中三聚氰胺的限量值為1 mg/kg，其他食品中三聚氰胺的限量值為2.5 mg/kg，歐洲食品安全局將三聚氰胺的每日耐受攝入量從0.5 mg/kg降低到0.2 mg/kg[9]。長期攝入三聚氰胺會導(dǎo)致腎結(jié)石和腎臟損傷，因為它集中在腎微管中與三聚尿酸形成晶體，阻塞腎細胞，導(dǎo)致器官功能障礙[10]。此外，它可能導(dǎo)致生殖損傷或膀胱和腎結(jié)石形成，直至膀胱癌[11]。因此，食品中三聚氰胺的檢測工作已成為當(dāng)前研究的熱點問題。

2.1 近紅外光譜分析技術(shù)檢測奶粉中三聚氰胺

自2008年我國三聚氰胺事件以來，利用近紅外光譜分析技術(shù)檢測奶粉中三聚氰胺的研究不斷深入，主要分為以下幾個部分：

一是利用近紅外光譜分析技術(shù)構(gòu)建奶粉中不同濃度三聚氰胺的檢測方法，通過模型的優(yōu)化提高其鑒別的準(zhǔn)確度和檢測效果。如Lisa等人[12]采用近紅外光譜技術(shù)對嬰幼兒配方奶粉中三聚氰胺進行檢測，建立三聚氰胺濃度的偏最小二乘（Partial Least Squares,PLS）回歸模型，模型的結(jié)果決定系數(shù)(Determination Coefficient,R2）為0.99，交叉檢驗均方根誤差（Root Mean Squared Error of Cross-validation,RMSECV）≤0.9，剩余預(yù)測偏差（Residual Prediction Deviation,RPD）≥12，且利用光譜的因子分析能夠區(qū)分含1 mg/kg三聚氰胺的純配方奶粉和純配方奶粉，無錯誤分類，置信度為99.99%，選擇性為大于2。Lu等人[13]建立了一種基于最小二乘支持向量機（Least Squares Support Vector Machine,LS-SVM）的近紅外光譜快速檢測奶粉中純?nèi)矍璋返男路椒ǎ弥鞒煞痔崛∏?個主成分，構(gòu)建偏最小二乘判別分析（Partial Least Squares Discriminant Analysis,PLS-DA）模型，與PLS-DA相比，LS-SVM的性能更好，訓(xùn)練集和測試集的分類準(zhǔn)確率都達到100%，檢測限低于1 mg/kg，結(jié)果表明，近紅外光譜結(jié)合LS-SVM可以作為一種快速、準(zhǔn)確地檢測奶粉中純?nèi)矍璋返姆椒ā?/p>

二是研究不同奶粉基質(zhì)上三聚氰胺對光譜圖或者建模效果的影響，如Scholl等人[14]研究三聚氰胺與牛奶的不同混合方法對的近紅外光譜的影響，三聚氰胺與脫脂奶粉干混時，近紅外光譜在1468 nm處有顯著的吸收區(qū)，而濕混樣品經(jīng)過噴霧干燥后制得的奶粉樣品在1468 nm處未檢測到吸收區(qū)，最終干混樣品的三聚氰胺鑒別準(zhǔn)確率高于濕混樣品，其原因可能是三聚氰胺氫鍵狀態(tài)變化、與乳糖共價絡(luò)合以及濕混樣品中三聚氰胺局部濃度分布較低且更均勻帶來的基質(zhì)效應(yīng)。Chen等人[15]使用近紅外光譜技術(shù)結(jié)合單類偏最小二乘（One-class Partial Least Squares,OCPLS）模型檢測牛奶樣品中三聚氰胺，以不同濃度蛋白質(zhì)的牛奶樣品為基質(zhì)，并分別溶解不同濃度的三聚氰胺，模型的總準(zhǔn)確率為89%，靈敏度為90%，特異性為88%，結(jié)果表明，近紅外光譜與OCPLS分類器的結(jié)合可以作為一種快速、現(xiàn)場篩選牛奶樣品中三聚氰胺的潛在工具。Balabin等人[16]利用近紅外光譜分析技術(shù)檢測嬰兒配方奶粉、奶粉、液態(tài)奶等乳制品中三聚氰胺，采用多變量算法進行光譜分析，可達到1 mg/kg以下的檢測極限，此外，由于乳制品的近紅外光譜與三聚氰胺含量呈非線性關(guān)系，建模采用Poly-PLS或LS-SVM等非線性回歸方法實現(xiàn)三聚氰胺含量準(zhǔn)確預(yù)測，研究表明近紅外光譜是一種快速、靈敏、低成本的有效工具。

三是進一步提出非靶向三聚氰胺檢測方法，即針對三聚氰胺與其他富氮非法添加物混合等復(fù)雜摻雜類型的檢測方法，如陳秀明等人[17]利用近紅外光譜技術(shù)結(jié)合Adulterant Screen算法檢測嬰幼兒配方奶粉中6種非法添加物（雙氰胺、雙縮脲、尿素、三聚氰胺、硫脲、環(huán)丙氨嗪）。對單組分摻雜嬰幼兒配方奶粉的識別最低檢出濃度為：三聚氰胺0.04%、環(huán)丙氨嗪0.05%，尿素、雙縮脲及硫脲0.1%，雙氰胺0.2%。對于二組分和三組分摻假奶粉在2倍到10倍檢出限濃度的準(zhǔn)確識別率分別達到了83.3%和50%，對無摻假樣品的識別率100%，該鑒別模型可以通過一個模型即可實現(xiàn)快速鑒別多個非法添加物。

2.2 近紅外光譜分析技術(shù)檢測其他食品中三聚氰胺

除了乳制品，三聚氰胺還出現(xiàn)在谷類產(chǎn)品、蛋糕和餅干、蛋白粉、甜點、糖果和其他加工食品中。在中國牛奶摻入三聚氰胺事件發(fā)生之前，美國和加拿大曾發(fā)生過在飼料中摻入含三聚氰胺成分導(dǎo)致大量寵物死亡的事件，因此對于飼料中三聚氰胺的檢測也尤為必要[9]。Simon A等人[18]利用近紅外光譜技術(shù)檢測轉(zhuǎn)基因和非轉(zhuǎn)基因的去殼大豆、大豆殼和烤大豆中三聚氰胺的含量，所構(gòu)建的主成分分析（principal component analysis,PCA）回歸和PLS回歸兩種模型檢測精度良好，R2的范圍為 0.89～0.99，校正均方根誤差（Root Mean Squared Error of Calibration,RMSEC）和預(yù)測均方根誤差（Root Mean Square Errors of Prediction,RMSEP）分別為0.081%～0.276%和0.134%～0.368%，此外，利用PCA鑒別模型可以區(qū)分4種樣品類型，并且利用生成Cooman圖，可以區(qū)分摻假和非摻假樣品。劉小莉等人[19]利用近紅外光譜分析技術(shù)對魚粉中摻雜的三聚氰胺進行定性鑒定及定量預(yù)測，先制備三聚氰胺含量為0.1%～15.0%的摻假魚粉，在定性分析模型上，以選取6873.4～6514.7 cm-1范圍的近紅外圖譜作為定性分析的特征圖譜，并在預(yù)處理后結(jié)合因子算法對171個檢驗樣品的正確識別率為96.5%；在定量分析模型上，以7560.0～7058.5、6915.8～6098.1、4601.6～4246.7cm-1的近紅外特征光譜構(gòu)建0.1%～15.0%的PLS回歸定量分析模型和0.1%～5.5%范圍的PLS回歸定量分析模型，兩個模型的R2分別為94.77%和98.59%，RMSEP分別為0.779%和0.188%，表明所構(gòu)建的方法能較準(zhǔn)確地預(yù)測魚粉中摻雜三聚氰胺的含量。Rodionova等人[20]提出一種基于近紅外光譜分析技術(shù)檢測豆粕摻假非靶向分析方法，首先制備三種不同類型摻假樣品，包括不同濃度的三聚氰胺、三聚氰尿酸及其混合物，構(gòu)建數(shù)據(jù)驅(qū)動軟獨立模式分類模型能夠有效識別摻假和未摻假樣品，同時該方法不是針對特定污染物的識別和定量，而通常是對不同摻假類別中的三聚氰胺進行檢測，這對在檢測其他類型的飼料和食品中一些新的和意想不到的污染物提供一個很好借鑒。Shen等人[21]提出一種基于近紅外顯微光譜的豆粕非靶向摻假篩選方法，以6種非蛋白氮（三聚氰胺、三聚氰酸、尿素、磷酸二銨、雙縮脲、磷酸一銨）作為摻假物，在未知豆粕中摻假物類型的情況下，當(dāng)豆粕中添加0.5%的單一非蛋白或6種非蛋白（分別為0.5%）時，非靶向篩選法可篩選出所有人工混合樣品中的異常光譜，同時構(gòu)建偏最小二乘判別分析模型能較好地篩選出豆粕中的摻假成分，說明非靶向篩選方法可以擴展到檢測其他類型的污染物。Simon A等人[22]比較手持式和臺式近紅外光譜儀對摻假三聚氰胺大豆產(chǎn)品的檢測分析結(jié)果，利用PCA算法進行的定性分析，由于手持光譜儀光譜波數(shù)范圍限制為6250～4167 cm-1，臺式近紅外光譜數(shù)據(jù)比手持近紅外光譜數(shù)據(jù)鑒別效果更好，但使用手持光譜儀采集的光譜數(shù)據(jù)生成的定量分析模型的R2為0.94～0.99，RMSEC和RMSEP分別為0.081%～0.215%和0.095%～0.288%，通過交叉驗證對模型進行進一步驗證，RMSECV為0.101%～0.212%，表明手持式近紅外光譜儀可用于檢測大豆飼料中摻假問題。

3 近紅外光譜分析技術(shù)檢測蘇丹紅

蘇丹紅是一種具有偶氮結(jié)構(gòu)的化學(xué)染色劑，包括蘇丹紅I、Ⅱ、Ⅲ、Ⅳ等，其被國際癌癥研究所認定為三類致癌物，具有致突變性和致癌性[23]。由于蘇丹紅著色效果鮮艷且不易褪色，常被作為非法添加物用于增加食品的色澤，但由此也對人體健康造成嚴重危害。因此，檢測食品中蘇丹紅含量吸引較多研究者關(guān)注。Rasool等人[24]利用相近紅外光譜分析技術(shù)檢測姜黃粉中2種主要摻假物蘇丹紅和甲腈黃，采集樣品在10000～4200 cm-1的近紅外光譜，建立SIMCA模型鑒別姜黃粉的真?zhèn)危瑯颖痉诸愓_率在校正集和驗證集分別為96.7%和93.4%，此外，利用PLS回歸模型對摻入蘇丹紅和甲丁黃的姜黃粉樣品定量分析，蘇丹紅在驗證集中R2為 0.90，RMSEP為0.059，甲丁黃的在驗證集中R2為 0.91，RMSEP為0.058。Gimena等人[25]利用近紅外光譜與化學(xué)計量學(xué)檢測辣椒中蘇丹紅I、Ⅱ、Ⅲ、Ⅳ和對紅染料，僅基于6個特征光譜變量，利用線性判別分析可以實現(xiàn)摻假樣品（摻雜3種不同濃度的上述5種摻雜物的辣椒粉樣品）以及未摻雜的辣椒粉樣品的鑒別，模型的靈敏度和特異性達到90%以上，此外，通過逐步減去特征光譜變量，僅依靠4933.09 cm-1和4987.09 cm-1兩個特征變量，也可以實現(xiàn)70%的精度，表明開發(fā)和設(shè)計廉價便攜式設(shè)備檢測其中的摻雜物具有很好的可行性。Roseline等人[4]利用手持式近紅外光譜結(jié)合多變量算法對棕櫚油樣品中的蘇丹紅Ⅳ染料摻假進行分類和測量，利用K-最近鄰分類模型鑒別純棕櫚油樣品和蘇丹Ⅳ染料摻假（0.10%～0.002 %，質(zhì)量分數(shù)）的樣品，校準(zhǔn)集和預(yù)測集鑒別準(zhǔn)確率分別達95.48%和97.00%，此外，采用PCR回歸、PLS回歸和SVM回歸算法定量的分析棕櫚油樣品中蘇丹紅Ⅳ染料的添加量，光譜經(jīng)過標(biāo)準(zhǔn)正態(tài)變量預(yù)處理后構(gòu)建的偏最小二乘模型預(yù)測效果最佳，校正集和預(yù)測集的R2分別為0.91和0.90，RMSEC、RMSEP分別為0.0841和0.0868，結(jié)果證明，使用短波手持式近紅外光譜可以快速、無損地鑒別棕櫚油樣品中蘇丹紅Ⅳ染料。

4 近紅外光譜分析技術(shù)檢測其他非法添加物

除了三聚氰胺、蘇丹紅等常見非法添加物外，工業(yè)明膠、罌粟殼等非法添加物也被摻雜于食品中。Xu等人[5]利用近紅外光譜分析技術(shù)檢測摻雜了不同水平的食用明膠、工業(yè)明膠和大豆蛋白粉的酸奶樣品，在光譜經(jīng)過正交投影預(yù)處理后，構(gòu)建OCPLS模型的靈敏度為0.900，特異性為0.949，表明在摻假1%食用明膠、2%工業(yè)明膠和2%大豆蛋白粉等較高摻雜水平的酸奶，可以實現(xiàn)有效檢測。盧浩等人[26]發(fā)明了一種罌粟殼的檢測方法及移動終端，通過特定的分子傳感器接收待測食品反射的紅外光譜，并根據(jù)特征光譜檢測待測食品中是否含有罌粟殼。

5 總結(jié)與展望

隨著近紅外光譜分析技術(shù)研究不斷發(fā)展，目前已有部分國家標(biāo)準(zhǔn)或者農(nóng)業(yè)標(biāo)準(zhǔn)在飼料、糧油、畜禽肉等方面建立相關(guān)近紅外光譜分析檢測方法，如GB/T 24870—2010《糧油檢驗 大豆粗蛋白質(zhì)、粗脂肪含量的測定 近紅外法》、GB/T 41366—2022《畜禽肉品質(zhì)檢測 水分、蛋白質(zhì)、脂肪含量的測定 近紅外法》、NY/T 3295-2018《油菜籽中芥酸、硫代葡萄糖苷的測定近紅外光譜法》等。通過上述文獻，近紅外光譜分析技術(shù)在食品中非法添加物的檢測大致可以歸為以下幾方面：一是建立不同食品基質(zhì)中不同非法添加物的檢測方法，并通過優(yōu)化模型提高鑒別效果；二是探究不同基質(zhì)和非法添加物對光譜特征峰的影響；三是針對復(fù)雜的含有非法添加物的摻雜樣品建立非靶向檢測方法，即實現(xiàn)對未摻雜樣品和含有一種甚至多種非法添加物的摻雜樣品的鑒別，由于市場上存在的摻雜問題是復(fù)雜且多樣的，因此非靶向檢測方法未來具有更大的實踐應(yīng)用意義。

但總體上近紅外光譜分析檢測方法在實際應(yīng)用領(lǐng)域還有待進一步發(fā)展，主要受限于以下幾方面：

⑴ 近紅外光譜儀器的性能指標(biāo)需要進一步提高，如目前不同廠商儀器還未實現(xiàn)標(biāo)準(zhǔn)化，不同儀器采集光譜數(shù)據(jù)有差異，附件的效率還不夠高效，未來研制和生產(chǎn)更加輕便的專用型光譜儀器將會使得在線和現(xiàn)場分析更為便捷；

⑵ 對近紅外光譜區(qū)域復(fù)雜譜圖下蘊含的重要信息的解析能力還需進一步提高，由于光譜不同吸收峰重疊相互影響，對于某些復(fù)雜樣品中的檢測效果較差；

⑶ 模型的適用受一定的地域或者環(huán)境影響，不容易建立通用模型，尤其樣品基體對近紅外光譜的影響，如對于同一目標(biāo)物的檢測，在不同基體上建立的模型往往無法通用，需要根據(jù)不同基體建立不同的分析模型；

⑷ 光譜數(shù)據(jù)庫還未完善，如將不同測試樣品通過云計算和互聯(lián)網(wǎng)等現(xiàn)代手段，建立和普及相關(guān)樣品數(shù)據(jù)庫，將會大大提高建模的效率。

近紅外光譜分析技術(shù)與其他分析技術(shù)相比有其獨特的優(yōu)越性，隨著研究的不斷深入，通過對樣品采集和處理方式、光譜數(shù)據(jù)預(yù)處理、建模方法等進行進一步規(guī)范，該方法在對食品中非法添加物檢測中的應(yīng)用將具有良好的發(fā)展前景。