食品是人们赖以生存的基本物质,富含蛋白质、碳水化合物、脂质、各类维生素及多种微量元素,可为机体源源不断提供能量与营养。随着生活水平的提高,食品质量安全愈来愈受到人们的关心与重视,但食品安全事件仍然时有发生,市场中依然存在假冒伪劣产品,因此亟需一种快速、简便、高效的检测方法用于食品品质检测研究。目前食品检测方法主要有:高效液相色谱法[1,2]、气相色谱法[3,4]、核磁共振波谱法[5,6]、气相色谱-质谱联用法[7,8]、液相-质谱联用法[9,10]等,上述方法优点众多,但设备均较为昂贵,且应用存在一定局限性,如:液相色谱法和液相-质谱联用法,虽分析速度快、灵敏度高、专属性好,但不适用于食品中相关高分子化合物的测定,且无法对食品中金属离子进行定量研究;气相色谱法、气相-质谱联用虽方法灵敏度高,选择性好,但对固体样品适用性差;而核磁共振波谱法分辨率则较低。
红外光谱技术是利用物质对光的吸收、散射、反射与透射等特性,对待测物进行定性或定量分析的检测技术[11],由于其具有适用性广泛、样品前处理简单、操作方便、易于推广,且对气体、液体和固体样品均可准确检测等优点,表现出良好的发展前景。特别是近年来化学计量学的快速发展,可从复杂的红外光谱曲线中提取实用信息进行利用,使得红外光谱技术越发高效、灵敏,被广泛应用于食品检测中。本文从红外光谱技术的作用原理,结合目前该技术的应用情况,阐述其在食品检测方面的影响,以期为食品质量安全领域研究人员在面临食品掺假及食品品质研究等问题时提供参考和借鉴。
2 红外光谱技术检测的基本原理
红外光谱是分子选择性吸收某些波长的红外线,引起分子中振转能级的跃迁,通过检测红外线被吸收的情况得到的特征吸收光谱。红外光谱技术通过观察待测物红外谱带数量、位置、性状和强度随化合物结构及聚集态的变化,进行定性或定量分析[11,12]。
红外光谱波长范围分为近、中、远红外3个区域,其中近红外光谱波长范围为780～2500 nm,中红外光谱波长范围为2500～25000 nm,远红外光谱波长范围为25000～500000 nm,通常所说的红外光谱多指中红外光谱。绝大多数化学键的振动基频在中红外区域,且谱带窄、吸收强度大,尤其是各种官能团的特征吸收频率较为明显,使得中红外光谱在物质结构和成分分析中发挥重要作用。中红外光谱利用待测物谱图与分子结构的关系,通过与标准红外谱图比较,达到分析与鉴定化合物结构的目的,可用于推测待测物中特定官能团的存在,络合物的形成以及化合物的顺反异构体等等。因此红外光谱发展前期,多利用中红外光谱的特征吸收峰的强度与出峰位置对待测物进行检测辨别[13,14,15,16]。近红外光谱是由分子中能量较高的含氢基团(主要为CH、OH、NH)吸收光能后,发生分子振动能级的跃迁而产生的特征谱图。由于待测物中各成分的近红外光谱谱带重叠严重,可能为多个不同基频的倍频与合频组成,连续性差,造成与物质成分相关的定性定量信息难以直接提取和分析。直到20世纪80年代,学者通过借助计算机分析和化学计量学手段,提取近红外光谱中的有效信息,建立样品性质与近红外光谱之间的联系,近红外光谱才得以快速发展[17,18]。目前中红外光谱和近红外光谱技术均已被广泛用于环境、制药、生物、食品等检测研究[19,20,21,22,23],尤其在食品检测中该技术体现出巨大潜力和发展前景。
3 红外光谱技术与化学计量学联用的应用
红外光谱技术获得的谱线信息较为复杂,无法同紫外、荧光等光谱技术一样,以某个单一峰的强度作为定性定量的分析依据,化学计量学方法可从冗余光谱数据中提取有效信息,进行简化利用。化学计量学方法在红外光谱数据处理中的应用主要有以下3方面:一是对采集的原始红外光谱信号进行预处理,消除非目标因素的影响,提取特征信息。常用的光谱预处理方法有:归一化、平滑、标准正态变换、多元散射矫正、导数光谱和均值中心化;二是通过统计学方法或数学方法建立待测样品红外光谱测量值与待测样品体系状态之间的联系(简称建模),建立稳定可靠的定性或定量分析模型,常用的算法有:主成分回归、偏最小二乘回归、非线性偏最小二乘回归等方法;三是用已建立的模型对一定数量的待测物(已知参考数据)进行预测,通过预测结果与参考数据的比较,进一步对模型进行校正和评估,以达到模型共享的目的[24,25,26]。
红外光谱结合化学计量学常用于食品检测中,尤其是在食品鉴伪和品质研究检测中的应用非常广泛,具有分析速度快、专属性好、样品预处理简单、操作方便且仪器成本较适宜等优点,显示出较好的应用前景。
4 红外光谱技术在食品检测中的应用
4.1 食品鉴伪
食品掺假、造假是食品安全常见问题,严重侵害消费者的权益,并直接损害消费者身体健康,其中食用油以次充好现象尤为突出,而一般理化检测方法无法准确鉴别食品真假情况,因此国内外相关研究人员在该方面做了大量工作[27,28,29,30,31,32,33]。Tay等[27]选取3100～2800 cm-1和1200～800 cm-1波数段采集橄榄油的红外光谱,通过主成分回归分析建立校正模型,识别优质橄榄油中掺杂葵花籽油的预测误差仅为2%;杨虹等[28]利用红外光谱对芝麻油掺假问题进行全面研究,通过全波段光谱扫描,设计两类油脂掺假模型,利用红外光谱进行无损鉴别,建立主成分分析模型,显示出样本多数原始光谱信息,从而快速区分芝麻油中是否掺杂大豆油、棕榈油或香精。Georgouli等[29]则利用中红外光谱定量辨别初榨橄榄油与不同掺假程度的食用油差别。同时红外光谱也可构建定量模型,判断产品真实程度,市场羊肉掺假现象较为常见,白京等[30]通过近红外光谱结合化学计量学研究羊肉卷掺假,利用近红外光谱采集324份羊肉卷的红外光谱数据后,进行SG平滑求导、多元散射校正、中心化、标准正态变量校正等处理,采用偏最小二乘回归建模分析,样品预测值与真实值相近,相关系数为0.9138,预测值绝对误差低于5%,模型对待测样品检验的重复性与适用性较好;陈嘉等[31]采集葛粉样品的近红外光谱后,采用主成分回归和偏最小二乘法建立校正模型,模型的预测值与实际值相关系数r2为0.9945,相对误差13.56,平均回收率为99.89%,预测精度较好;同时Carolina与Tzayhri等分别采用傅里叶中红外光谱结合最小偏二乘法对蜂蜜掺假进行定量研究,结果显示预测玉米糖浆、果葡糖浆与蔗糖的误差分别为1.5%、2.1%、1.4%,表明上述模型适于蜂蜜中掺杂物的定量研究[32,33],但由于光谱数据较为复杂,需利用化学计量学进行处理,因而分析过程较为复杂。由于用于食品中掺假、造假的物质复杂多样,因此红外光谱在该范畴的应用中仍需不断扩大样本量,进一步获取更多研究对象的光谱信息,对所建模型样品进行不断补充,增加模型的代表性,才能让其拥有更好的预测能力。该技术的不断发展对于打击掺假行为,有效维持市场秩序和社会安定具有重大意义。
4.2 品质研究
食品品质可反映其综合价值,而其多与食品的种类和产地有关,利用红外光谱技术的快速检测优势,可较好区分优质食品,从而保障消费者的合法权益。其中酒水的产地与其品质联系紧密,向伶俐等[34]利用近红外光谱与中红外衰减全反射光谱采集不同产地葡萄球样品红外图谱数据,建立融合模型,可高效、低成本识别葡萄酒产地,准确率达到90.87%;Basalekou等[35]则通过红外光谱与最小二乘法判别相结合,对5个不同地区生产的葡萄酒进行准确鉴别;树莓果实营养丰富,含有人体必要的氨基酸、矿物质元素、黄酮类化合物及超氧化物歧化酶等多种营养物质,而树莓酒具有益肾固精、养肝明目的功效;楚刚辉等[36]利用红外光谱指纹区可细致观察不同物质化学结构的特点,采用红外光谱对喀什树莓酒进行品质研究。研究发现在红外光谱特征区,树莓酒样品与其他区域相同产品的出峰位置没有明显差异,但在700～500 cm-1波数段,树莓酒样品存在4个并列的小肩峰,分别为637、591、563、522 cm-1,而其他区域相同产品则没有相关特征峰,说明运用红外光谱技术可在树莓酒品质研究方面提供有效参照。
除了酒水鉴定外,红外光谱技术在其他食品的品质鉴定中也发挥关键作用,Karoui等[37]采用中红外光谱技术与主成分分析(principal component analysis,PCA)及因子判别分析法相结合,显示在1500～900 cm-1和3000～2800 cm-1建立预测集可准确区分白鲑鱼鲜鱼片和冻鱼片,正确率分别为75%和87.5%,而Alamprese等[38]同样通过中红外光谱采集数据后,利用线性判别分析鉴别出鲻鱼的新鲜程度。黄林森等[39]利用近红外定量模型对大米品质定量研究,大米中蛋白质、脂肪、碳水化合物和水分的含量是评价其品质的重要指标,通过采集相应样品红外光谱信息,采用求导及小波变化对光谱预处理后,分别通过主成分回归、多元线性回归及偏最小二乘法等化学计量方法建立大米的蛋白质、脂肪、水分和碳水化合物的定量模型,通过交叉验证发现该定量模型的预测准确度可达到91%以上,从而使得检验过程更加简便,避免相关试剂消耗和环境污染。
粘度、酸值和折光率是衡量油脂品质的3大重要指标,Giese等[40]通过中红外光谱技术与化学计量学相结合,分别建立不同产地鱼油过氧化值、茴香胺值和酸值的预测模型,达到品质鉴定的目的;Sinelli等[41]同样通过中红外光谱建立最小偏二乘模型和判别模型,准确预测橄榄油的品质分类。此外红外光谱技术在水果品质的研究也有相关应用;罗枫等[42]利用近红外光谱技术对樱桃果实质地(硬度、咀嚼性、凝聚性)进行研究,单波长扫描(408～2492.8 nm)样品采集数据后,采用偏最小二乘法构建预测模型,得到硬度、咀嚼性和回复性预测模型的残差和均较小,从而证明模型预测效果较好。
随着绿色食品、无公害农产品日渐受欢迎,食品质量从数量增长向质量提升转变,食品的品质保证对质量的提升起着至关重要的作用,红外光谱技术以其快速无损、可在线智能化检测的特点必将在食品内外品质检测中扮演重要角色。
4.3 有害物检测
对食品有害物的检测往往需要大量化学试剂,检测成本较高,且需要浪费大量检测时间,效率较低。而红外光谱技术可较好克服上述缺陷。白酒中己酸、乙酸浓度过高,可能造成酒液浑浊,酸味较大,刘建学等[43]利用近红外光谱技术检测白酒中己酸与乙酸浓度,选择6101.7～5446 cm-1、11998.9～7501.7 cm-1、6101.7～5449.8 cm-1和11998.9～7497.9 cm-1谱区采集图谱后,通过偏最小二乘法处理,采取内外交叉验证法建立模型,对己酸与乙酸模型的验证准确度分别达到99.47%和95.63%,可满足白酒生产中己酸与乙酸的快速检测要求。而李杨悦等[44]利用近红外光谱检测大米中重金属镉、铅含量,并与国标原子吸收法比较,测定结果较一致,从而缩短分析检测时间,操作更加简便。红外光谱技术不仅可替代常用理化操作,对于相关微生物的检测也有大量应用,通过红外光谱不仅可直接观察到微生物的细胞特征,同时可对相关细菌进行分类,有助于人类更加深入了解微观世界,其中Paulina等[45]通过傅里叶变换红外光谱技术对食品中不同细菌进行分类检测,成功率达到94%;同时高帅等[46]也采用红外光谱对食物中常见的李斯特菌、大肠埃希菌及沙门氏菌进行判断,成功率也超过90%。食品中有害物的存在导致食品安全事故的频繁发生,随着红外光谱技术的不断发展,可通过采取大量样本分析建模,打造便捷式光谱仪实现在线监测,使其成为一种有效的食品质量安全监管手段。虽然红外光谱技术基本可满足相关食品的有害物检测,但部分待测物的检测限偏低,仍需考虑与其他检测方法联用。
4.4 成分分析
红外光谱技术对食物中复杂成分的定量分析,特别是低含量组分的定量分析,有助于全面了解产品质量属性,具有重大意义。Niero等[47]采用中红外光谱结合偏最小二乘回归法预测牛奶抗氧化活性;叶沁等[48]通过中红外漫反射光谱结合偏最小二乘法、主成分分析法、经典最小二乘法和逐步多元线性回归法快速测定精米中直链淀粉含量,预测结果与真实值高度相关(r2=0.9949),准确度好,且模型稳定性高。Hernandez等[49]采取傅里叶中红外光谱与PLS法结合,对不同类型海鱼在冷冻过程中总脂肪、脂肪酸等营养指标的变化进行预测,可有效推测食品效期;陈美林等[50]则采取衰减中红外光谱与主成分分析法结合建模,较为准确预测可溶性蛋白含量。利用红外光谱数据建立的模型预测值与真实值相关性高,因而预测准确度较好,能满足食物中复杂成分的定量分析要求。
5 总结与展望
通过对红外光谱技术结合化学计量学数据处理方法在食品分析检测领域的研究与应用概述可知,该技术已日臻成熟、结果准确度高,建立的预测模型较稳定,但仍存在一些问题,具体表现如下:
(1)食品中化学成分较为复杂,若待测物检测限较低,受干扰程度较大,较难准确检测,因此需检验人员清楚待测物全部光谱信息,并在实际检测过程考虑结合不同分析技术检测。
(2)研究者通过红外光谱采集与化学计量学共同建立的预测模型,仍然具有局限性,未考虑食品在不同产地、不同加工过程引起的差异,因而实际检测结果仍有较大误差,研究人员在建模时应尽可能考虑样本的多样性,以符合实际应用要求。
综上所述,利用红外光谱显示的不同物质在特定波长下谱带数量、位置、性状和强度及随化合物结构及聚集态等信息,结合化学计量学不同的数据处理方法,红外光谱技术已在食品真假鉴伪、品质研究、有害物检测和成分分析等领域取得诸多进展,极大提高检测效率,同时节省检测成本,但仍需考虑从建模方法,红外设备携带便利性及样本选择等方面加以改进,使得在未来更加方便与高效,成为食品检测主要手段。随着科研工作者的不断探索创新,相信红外光谱在食品检测中的应用将逐渐深入,带动我国食品开发领域的更进一步发展。
