随着经济全球化加速，2020年我国食品制造业出口交货值累计值达1 036.2亿元，农产品出口总额达4 856.6亿元，高交易额、大出口量现状使得食品安全风险事件发生概率明显增加。近年来，食品安全事件的频发引起广大群众的恐慌，对社会和谐发展产生不利影响。《国务院关于进一步加强食品安全工作的决定》《食品安全法》《流通环节食品安全监督管理办法》等政策文件的相继发布表明我国对食品安全的高度重视。
在食品流通环节中出现卫生问题将直接影响到消费者身体健康，并对食品企业形象造成恶劣影响，造成巨大经济损失甚至于破产，为此我国食品从生产至售卖的全过程中需经多次检测合格才可投入市场。常见的食品安全检测方法包括感官评价、化学指标检测、微生物检测和物理分析法等，但有操作程序繁杂、检测周期长的缺点，易导致食品质量和安全监测滞后，难以满足现代食品行业的检测需求。与之相比，红外光谱技术具有无损、快速、低成本、可在线大批量检测等优点，在化工、农业、医药、环境等领域发展极为迅速。主要综述红外光谱技术在食品流通环节的应用研究，包括食品掺杂物检测、食品新鲜度检测和食品致病菌检测等国内外研究成果，并探讨研发食品及包装携带病毒的红外光谱快速检测技术的可行性，以期为科研人员进一步研究提供参考，并推动红外光谱技术在食品流通中广泛应用，提高食品安全检测效率和降低检测成本，为食品在市场上安全流通提供保障。
1 傅里叶红外光谱技术工作原理
红外光谱技术（infrared spectroscopy）的工作原理[1]是利用不同种类分子在高能量红外线照射下只吸收与其相同分子振动、转动频率一致的光谱特性，对物质进行定性分析；化合物分子中不同的官能团被激发后产生相应振动频率反映在红外吸收光谱上，进行定量分析和鉴定；利用O—H、N—H、C—H等含氢基团化学键伸缩振动的倍频及合频吸收近红外光特点，获得样本光谱中承载样本的物理、化学、生物学信息，通过将采集样本光谱和测量参比值结合化学计量方法，进行定标建模，实现对未知样本参数的预测。研究表明[2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30]，红外光谱技术在食品安全检测领域可实现快速、绿色、经济、无损、实时、高精度的定量分析，定性分析，鉴别和预测，在市场应用上有着巨大潜力。
2傅里叶 红外光谱技术在食品流通安全性检测的应用
2.1 食品掺杂物检测
农副食品加工业已成为现代化农业的支撑力量和国民经济的重要组成部分，2020年实现利润总额2 001.2亿元，同比增长5.9%。在高额利润背景下，部分不良商家为谋取高额利益，枉顾法律和消费者身体安全，如"地沟油""红心鸭蛋""三聚氰胺奶粉""苏丹红"等事件，皆是不良商家为降低生产成本、谋取经济利益而对食品掺假。因此，开发针对食品掺假的检测技术是减少食品掺假事件发生的有效手段。
近红外光谱技术在食品掺假方面具有良好的检测能力：张晶等[2]建立的荞麦掺假近红外快速检测模型，可明显区分甜荞粉、苦荞粉、小麦粉和燕麦粉；李水芳等[3]基于近红外光谱和偏最小二乘-线性判别分析鉴别真假蜂蜜，校正集和验证集的识别正确率都达100%；李亮等[4]选用近红外光谱仪采集牛奶和分别掺有羊奶、豆浆的掺假奶的光谱数据，并应用主成分分析结合人工神经网络技术对试验数据进行多元统计分析，可快速无损地鉴别原料乳中的蛋白掺假。
肉类市场需求极大，种类繁多，掺假形式也更多样化，如在新鲜肉品内注射水或保水性物质如氯化钠、卡拉胶等增加肉品质量，或在高价位肉制品中掺入鸭肉、猪肉等低价位品种肉等。唐鸣等[5]通过试验结果得出结论，1 818～1 842 nm波段的近红外光谱吸收特点可作为区分正常肉与注水肉的判别依据，并获得最高90.48%的总体识别率；孟一等[6]通过近红外光谱技术结合主成分分析法、判别分析法建立注水肉、注胶肉和正常肉的定性判别模型，注水量为1.25%～20%和3.75%～20%时，3种肉的总体判别准确率为94.23%和96.96%。
张玉华等[7]采用近红外光谱结合主成分分析法、判别分析法，分别建立牛肉和羊肉中掺杂其他动物肉的定性鉴别模型，对掺猪鸭肉的羊肉和牛肉样品鉴别准确率在90.76%以上；白京等[8]利用近红外漫反射光谱结合化学计量学方法，实现定量检测不同肥肉占比解冻羊肉卷中猪肉的参加比例；Zheng等[9]基于可见-近红外高光谱成像系统（400～1 000 nm）快速无损检测羔羊肉中鸭肉掺假，构建的偏最小二乘回归模型获得确定系数R2P为0.98、预测标准误差RMSEP为2.51%的检测结果，可准确检测羊肉糜是否存在肉类掺假。
2.2 食品新鲜度检测
消费者购买食品时尤其关注食品新鲜度，食品的新鲜程度会受运输流通过程中储运时间和环境变化的影响，使食品风味、品质及营养价值改变。检测食品新鲜度并及时切断不新鲜食品供应、避免其流入消费市场，是确保消费者食用新鲜食品的必要途径。
2.2.1 肉类新鲜度检测
在储运过程中，肉类食品的丰富营养成分为微生物繁殖提供有利环境而极易受霉菌和细菌污染而变质、腐败。部分不良商家以次充好，加工销售次新鲜肉、变质肉谋取利益，使肉类新鲜度检测具有必要性。
红外光谱技术在判别新鲜与腐败样品中具有较大的优势。张晓敏[10]分析肌肉组织结构和鲈鱼蛋白质的变化，结果发现肌肉组织间隙的大小是判别新鲜和解冻样本的有效依据，并通过近红外光谱技术结合主成分分析、簇类独立软模式可在1 000～1 100 nm波段实现新鲜鱼与解冻鱼的鉴别，识别率均达到95%以上；邱园园[11]利用可见短波高光谱和长波近红外光谱采集新鲜与腐败羊肉的光谱数据，基于信息融合方法构建特征层融合模型获取96%的判别准确率，可实现新鲜与腐败羊肉的快速准确判别。
肉类样品中的p H、挥发性盐基氮含量、细菌菌落总数等指标可作为肉品新鲜度的评定依据。代琼[12]利用可见/短波近红外高光谱成像技术实现对虾仁质构参数、色泽参数、挥发性盐基氮含量、细菌菌落总数等参数的快速无损检测及其可视化分布，取得较满意的试验预测精度；Peyvasteh等[13]基于可见光/近红外光谱和主成分分析法，以发色团（肌红蛋白、氧肌红蛋白、脂肪、水、胶原蛋白）为新鲜度指标，可检测到猪肉新鲜度随时间而流失，该研究成果可作为未来开发便携式低成本肉类新鲜度传感器的基础；熊来怡[14]基于近红外光谱技术建立的猪肉蒸煮损失、嫩度、p H、挥发性盐基氮和细菌菌落总数的化学计量学模型获得较高的判别正确率，具备检测品质指标含量、判定新鲜度品质安全及预测贮藏期的能力。
2.2.2 蛋类新鲜度检测
鸡蛋易在储藏、运输销售等过程中因环境变化而导致品质下降，鸡蛋新鲜度和鸡蛋质量检测至关重要。根据农业部相关标准，新鲜度低于B级以下的鸡蛋不宜食用。我国在鸡蛋品质无损检测方面多应用于质量、裂纹等外部品质检测，内部品质方面采用"人工照蛋"的方式进行检测，该检测方式劳动强度大、效率低，且准确率不高。
彭彦颖[15]通过傅里叶近红外光谱仪漫反射采集、以哈夫单位值为分类依据建立鸡蛋样品新鲜度判别定性分析数学模型，实现对储存天数（0,3,6,9,12和15 d）新鲜类和非新鲜类样品的100%准确判别；Abdel-Nour等[16]以哈夫单位值、白蛋白p H作为评估鸡蛋新鲜度的指标，利用可见光/近红外透射光谱法对鸡蛋储存天数（0,2,4,6,8,10,12,14和16 d）进行检测，结果表明，可见光/近红外透射光谱可有效预测鸡蛋的储藏天数；杨晓玉等[17]以400～1 000 nm高光谱系统获取鸡蛋的高光谱图像，并基于遗传偏最小二乘法提取的特征波长的最小二乘向量机模型获得0.899的校正相关系数和0.832的预测相关系数，表明基于可见光/近红外高光谱成像系统的鸡蛋新鲜度无损检测是可行的。
2.2.3 谷物类新鲜度检测
稻谷作为三大谷物之一，2020和2021年全球大米产量和消费量分别为5.01亿t和5.00亿t，我国更是以1.47亿t的大米产量位居全球第一。然而，随着流通时间的增加，稻谷生理特性逐渐衰退，如籽粒内部的酶活力下降、生活力减弱、种用品质和食用品质劣变、食用价值降低等。
Lin等[18]选用可见光/近红外光谱结合比色传感器阵列，可快速、准确和非破坏性监测大米的储存时间，采集的光谱数据经标准正态变量和Si PLS的预处理后，基于线性判别分析法建立的预测模型可达0.925的预测值；Chuang等[19]以p H作为大米新鲜度的评价指标，将独立成分分析与近红外光谱相结合，建立具有三重交叉验证程序的定量模型，可成功预测碾米白米在溶液中的p H，进而分析大米新鲜度；李娟等[20]利用近红外光谱技术获取90个稻谷样品的950～1 650 nm光谱信息，并结合化学计量学法建立稻谷新陈度定量模型，进行内部交叉验证，决定系数R2和预测误差分别为0.967 9和54.51，且预测结果与实际值差异不显著，说明近红外光谱可用于稻谷的新鲜度检测。
2.3 食品致病菌检测
食品致病菌是导致食品安全问题的重要来源，食源性致病菌快速检测技术是解决食品安全问题的有效方法。但常用的传统检测鉴定方法是根据菌落的形态及其生理生化反应判断，该方法通常耗时耗力，操作困难，且过程复杂，对于一些表观特征相似的病原菌难以实现准确识别。红外光谱技术在一定程度上可以表现出菌株的血清分型特征，在血清型水平上相近的菌株，其指区的红外光谱相似程度更高，可在属、种的水平上快速区分和鉴定食源性致病菌[21]。试验结果表明[22]，细菌细胞壁、细胞质和完整细胞对近红外光均存在特异性吸收，其中细胞壁样品的近红外模型识别结果最理想，分辨率达到100%。但细菌浓度、培养时间均会干扰致病菌的近红外谱图并影响检测结果，因此对样品预处理中应对样品的浓度、培养时间进行统一，减少后续数据分析的难度，提高鉴别的准确度[23]。
为降低检测成本、提高检测效率、加快红外光谱技术投入市场应用，国外研究者开展红外光谱技术对肉品中致病菌的检测研究。Davis等[24]首次提出一种检测碎牛肉中大肠杆菌O157︰H7的方法，利用过滤和免疫磁珠分离法从碎牛肉中提取活死细胞混合物的大肠杆菌O157︰H7，并结合傅里叶变换红外光谱，可实现对大肠杆菌O157︰H7的检测、辨别和定量分析；Feng等[25]基于近红外高光谱成像和偏最小二乘法回归法开展快速检测鸡肉片上的肠杆菌科细菌的研究，所建立的部分最小二乘回归模型决定系数R2≥0.82，均方根误差RMSEs≤0.47 lg(CFU/g），在进一步简化模型后减小预测肠杆菌科的负荷，获得的校准、交叉验证和预测决定系数分别为0.89,0.86和0.87,RMSE为0.33,0.40和0.45 lg(CFU/g）的良好性能，此外，构建的预测图可直观地观察样品上肠杆菌科细菌的分布情况，该功能是传统方法无法实现的；Bonah等[26]采用可见光/近红外高光谱和偏最小二乘法回归算法实现了对新鲜猪长肌的大肠杆菌O157︰H7和金黄色葡萄球菌污染的快速检测，构建的猪肉样品上食源性致病菌可视化分布图更便于观察与评估。
表1 红外光谱技术在致病菌检测上的应用 下载原图
3 食品及包装携带流行病毒的红外光谱快速检测技术
截止至2022年1月，新冠病毒的暴发使全球累计确诊病例已突破3.1亿人，病死率达1.7%。国内疫情虽已得到基本控制，但国外疫情仍使我国面临威胁。为防控新冠病毒，需做好入境人员的隔离工作和进口产品的检验。进入冬季后，我国多个省份出现冷链海鲜、冷链猪肉、进口车厘子等核酸检测结果为阳性。虽然进口包装携带的病毒活性非常低，难以入侵人体内，但仍存在一定安全隐患[27]。
国内外尚缺乏红外光谱技术检测食品及包装携带流行病毒的相关技术研究，但研究表明，红外光谱技术具备定性、定量检测流行病毒的能力，可作为早期诊断和监测人类病毒感染的有效工具，减少对RT-q PCR技术的依赖[28]。Zhang等[29]利用基于干涉散射原理的中红外光热显微镜对单个水泡口炎病毒和痘病毒进行检测，结果表明，不同病毒间病毒蛋白的酰胺I和酰胺II光谱峰比例明显不同，具备无标签区分病毒颗粒的潜力；Costa等[30]为降低检测成本和提高检测速度，提出以临床菌株为基础，建立SARS-Co V-2红外光谱数据库，在临床使用中采用红外光谱技术检测COVID-19时则不需要获取光谱的试剂。
综上所述，国内外的研究者所开展的众多流行病毒检测试验证明，基于红外光谱技术检测食品及包装携带活病毒的研究方向具有一定可行性。流行病毒的极高传染性使进口产品入境时进行现场检验的检验人员处于被感染风险中，红外光谱技术无接触、精度高的特点若能继续加强开发力度并加以利用，将使进出口产品检测一环节变得安全又高效。
4 结语
我国国民经济综合实力显著提升，科技水平迅猛发展。在生活质量提高的同时，人民对食品的要求在保"量"基础上，对"质"提出了更高的要求。食品从生产加工到在市场上并到达消费者手中的过程中存在诸多安全隐患，尤其在流通环节缺乏相应检测标准和高效检测技术，是我国食品安全事件频发的重要因素。红外光谱技术因其分析时间少、样品用量小、分析精度高、成本低、可无损大规模检测、可在线检测的特点在近年来开展大量试验和研究，被广泛应用于食品流通的安全性保障中，为保护消费者权益、保障食品经济效益、维护市场稳定起到重要作用，展现这一新兴检测技术的应用前景。但该方法亦存在局限性，如红外光谱技术的检测结果易受样品来源、环境、预处理方法等因素的影响；不同的检测样品需要结合不同的化学计量学方法，并对模型性能有较高要求；红外光谱技术对于质、流体状态的样品的鉴别准确率高于固体类的样品，不适合检测内部结构不均匀的样品，且易受样品温度及检测部位影响；前期工作量较大，需运用大量的样品建立模型，且模型的不同需经常对红外光谱进行校准等。随着科研工作者的不断创新与研究将赋予红外光谱技术适应多种对象及复杂环境的能力，检测准确度、效率和稳定性可获得提升，保障食品在市场中的安全流通，推动我国食品行业的快速发展。
