食品檢測中近紅外光譜分析技術的應用研究

＊史謝飛

（中國測試技術研究院 四川 610021）

隨著人們生活水平的提高，食品安全問題受到廣泛關注。為了保障消費者的健康和權益，開發快速、準確、無損的食品檢測方法至關重要[1]。傳統的食品檢測方法多數采用光譜數據融合技術[2]在食品檢測中進行應用研究，光譜數據融合技術可以用于檢測食品中的營養成分和添加劑、防腐劑等有害物質，實現對食品中營養成分和有害物質的快速、準確檢測，以保證食品的安全，但是該檢測方法在實際食品檢測中的應用仍面臨一些挑戰，光譜數據融合技術受到多種因素的影響，如儀器設備、環境條件、樣品處理等，可能會導致檢測結果存在一定的波動和不穩定性，而且不同食品樣品的成分和結構差異可能導致檢測方法適用性受限[2]。

近紅外光譜分析技術作為一種新型的分析手段，已經在多個領域展現出其獨特的優勢，具有無損、快速、操作簡便、無需化學試劑等特點，能夠直接對食品樣品進行測定，提供豐富的組成和結構信息[3]。該技術通過測量樣品在近紅外波段的吸收、反射或透射光譜，結合化學計量學方法，實現對食品成分、品質、安全性等方面的準確檢測[4]?；诖?，本文引入近紅外光譜分析技術，開展了該項技術在食品檢測中的應用研究，通過深入探討該技術在食品檢測領域的方法和關鍵問題，為食品安全監管和質量控制提供有效的技術支持，為保障消費者的健康和權益作出貢獻。

1.近紅外光譜分析技術的食品檢測方法

(1)食品近紅外光譜采集

①樣品制備。根據食品的種類和特性，收集包含不同食品成分含量的樣品，這些樣品應具有代表性，能夠反映整個批次的食品成分和特性情況，進而制備出適合光譜采集的樣品[5]。

②選定光譜采集設備并設置采集參數。選擇適合食品光譜采集的設備，確保設備的準確性和精度，以滿足分析需求。本文選用性能穩定、精度高的Nicolet 6700型近紅外光譜儀作為采集設備，其光譜采集參數設置，如表1所示。

表1 近紅外光譜儀采集參數設置

按照表1所示的采集參數，對近紅外光譜儀進行設定，保證儀器的穩定性及光譜采集的精度。

③光譜采集過程。保證實驗室的溫度在25℃左右，啟動近紅外光譜儀，預熱30min，提高所采集光譜的準確性。將制備好的樣品放置在光譜采集設備的樣品臺上，采用漫反射積分方式，以標準白板為背景，控制光源對食品樣品進行垂直照射，進而按照設定的參數進行光譜采集。光源發出的近紅外光通過樣品后，被檢測器接收并轉化為光譜數據。

(2)食品近紅外光譜數據預處理

通過上述近紅外光譜儀采集檢測目標食品的光譜數據存在較大的噪聲，并且受到樣品顆粒大小等因素影響，而這些因素會影響食品檢測的準確性，因此，引入標準正態變量變換算法和自適應濾波算法，其中標準正態變量變換算法是消除樣品顆粒大小、表面散射及光程變化對NIR漫反射光譜的影響，首先，采用最大最小值歸一化處理方法，對采集到的光譜數據進行歸一化處理，如公式（1）所示。

式中，Si表示上述采集的食品光譜；Smax、Smin分別表示光譜Si中的最大值與最小值；i表示波長。通過歸一化處理，將整個食品光譜數據映射到0到1的范圍內，有效地消除由于光程差異引發的光譜變化干擾影響。

在歸一化處理數據后，采用標準正態變量變換處理采集的食品光譜數據的計算如公式（2）所示。

將上述公式（2）處理后的數據進行降噪處理，其處理用的算法為自適應濾波算法，進一步提高采集的食品近紅外光譜數據，降噪處理的計算公式如式（3）所示。

式中，w表示自適應濾波權重；f(Si'')表示濾波函數；T表示轉置。

通過標準正態變量變換算法和自適應濾波算法的相結合，降低采集的食品近紅外光譜的噪聲等因素的影響，為基于近紅外光譜分析技術的食品檢測提供高質量的準確的數據，奠定準確檢測的基礎。

(3)食品檢測實現

在預處理食品近紅外光譜數據后，引入使用主成分分析法（Principal Component Analysis，PCA），通過該方法提取食品近紅外光譜數據的特征，基于提取的特征，構建食品成分特征與近紅外光譜數據之間的數學模型。具體步驟如下：

步驟一：在主成分分析法提取食品近紅外光譜數據特征過程中，通過計算預處理后的數據的協方差矩陣來描述不同特征之間的關系。協方差矩陣反映了數據的變化趨勢和相關性，計算公式如式（4）。

式中 ，cov(Xi)表示計算協方差矩陣的函數。

步驟二：對協方差矩陣進行特征值分解，求得其對應的特征向量。特征向量描述了各個食品近紅外光譜數據的特征，如公式（5）所示。

式中，eig(Xi')表示計算特征向量的函數。

步驟三：根據特征值的大小，選擇貢獻程度大的前k個特征向量作為主成分，k通常根據實際需求和方差解釋率進行選擇，選擇主成分包括食品成分、含量和品質等，主成分的具體計算如公式（6）所示。

式中：yi'表示特征值；dot([yi,yi',k])表示點乘操作；k表示主成分數量。

通過以上步驟，使用主成分分析方法從食品近紅外光譜數據中提取特征。基于提取的特征，構建食品成分特征與近紅外光譜數據之間的數學模型，如公式（7）所示。

式中，ωi表示回歸系數；b表示誤差項。

綜上，將模型應用于新的近紅外光譜數據中，對食品成分含量進行檢測，只需將待測食品的近紅外光譜數據輸入模型，即可獲得食品成分檢測結果，實現食品檢測目標。

2.實驗分析

綜合上述內容，便是本文針對食品檢測，提出的近紅外光譜分析技術應用研究。在提出的檢測方法投入實際食品檢測工作使用前，需要對其應用效果做出檢驗，確認其應用效果能夠達到預期要求后，方可投入實際工作應用?；诖?，開展了如下所示的實驗分析。

(1)實驗準備

選取鮮榨蘋果汁作為此次實驗研究的對象。鮮榨蘋果汁中含有豐富的礦物質元素、維生素、氨基酸及其它活性化合物，從某種程度上能夠起到促進消化、美白肌膚的作用。當前，市場銷售的蘋果汁飲料品質不一，部分果汁采用沖劑勾兌的方式制作而成，為了檢測鮮榨蘋果汁的品質，驗證本文研究的可行性及應用效果，開展了如下文所示的實驗測試分析。

選擇性能穩定、精度高的Nicolet 6700型近紅外光譜儀，其規格參數如表2所示。

表2 實驗設備規格參數

結合表2的近紅外光譜儀規格參數，配備相應的光譜處理和分析軟件，分別測定樣品的近紅外光譜，獲取蘋果汁在近紅外光譜上的特征差異，包括吸收峰位置、峰強度和形狀等，為后續實驗測試提供基礎支持。

在實驗測試中，確保實驗室具備恒溫、恒濕的環境條件，以減少環境因素對實驗結果的影響。同時，實驗室應具備足夠的空間和通風設施，以確保實驗過程的順利進行。在此基礎上，應用本文提出的檢測方法，開展食品檢測實驗。

(2)應用結果分析

實驗測試所用的蘋果均為S大型超市的新鮮富士蘋果，其表面光滑、沒有銹斑、成熟度均相同。利用A牌蘋果汁沖劑作為樣品，制備勾兌蘋果汁。首先，使用蒸餾水，清洗干凈蘋果表面，并將其放入榨汁機內，擠壓粉碎榨汁，經過8層紗布的過濾作用，過濾出2份鮮榨蘋果汁。使用折射計，測定鮮榨蘋果汁內可溶性固體含量，并記錄下來。其次，利用蒸餾水，沖泡果汁粉，使2份蘋果汁沖劑中可溶性固體含量與鮮榨蘋果汁保持一致。按照不同的比例，混合鮮榨蘋果汁與果汁沖劑，總共混合2份不同比例的樣品，其總體積均為4.5mL。將6份不同比例的混合樣品分別編號為YP-01#、YP-02#、YP-03#、YP-04#、YP-05#、YP-06#。其中，YP-01#、YP-02#為鮮榨蘋果汁；YP-03#、YP-04#為果汁沖劑；YP-05#、YP-06#為混合果汁。分別使用本文提出的食品檢測方法、文獻[1]、文獻[2]提出的檢測方法，對6份樣品進行檢測，測定6份樣品中的可溶性固體含量，并計算檢測均方根誤差，計算如公式（8）所示。

式中，Yi'表示樣品可溶性固體含量實際值；n表示樣品數目。通過計算，得出檢測均方根誤差，并作出客觀對比，結果如圖1所示。

圖1 檢測均方根誤差對比結果

通過圖1的對比結果可知，應用本文提出的檢測方法后，蘋果汁樣品可溶性固體含量檢測均方根誤差明顯小于另外兩種方法，該方法的誤差最高僅為0.25%，而文獻[1]方法的誤差最低達到了0.89%，由此可知，本文方法有效降低了檢測誤差，其檢測結果更加接近真實值，食品檢測準確性較高，可以根據可溶性固體含量檢測出鮮榨蘋果汁、果汁沖劑及混合果汁，檢測效果優勢顯著。

3.結束語

隨著食品安全問題的日益突出，開發高效、準確的食品檢測方法成為當務之急。近紅外光譜分析技術作為一種快速、無損的分析手段，為食品檢測提供了新的解決方案?；诖耍疚奶岢隽嘶谠擁椉夹g的食品檢測方法研究。通過本文的研究，進一步提高了食品檢測的準確性和可靠性。本文研究可用于檢測各種類型的食品樣品，為提高食品安全監管水平和保障消費者健康提供了有效的技術支持。未來，隨著科學技術的不斷發展和優化，相信該項技術在食品檢測領域的應用將更加廣泛和深入。