近红外光谱技术——食品掺假检测中的“秘密武器”

近红外光谱技术（Near-Infrared Spectroscopy，NIR）是一种基于物质在近红外光区域（780~2526 nm）对光吸收特性的分析技术。该技术利用光与物质相互作用时产生的吸收、透射或反射信号，来揭示样品的分子结构和化学成分，特别是对 C-H、O-H、N-H 等官能团的振动信息具有高度敏感性。

近红外光谱技术涉及波长在780到2526纳米之间的电磁波，分为短波近红外区（780-1100 nm）和长波近红外区（1100-2526 nm）。短波近红外光有较强的透射能力，适合透射分析；而长波近红外光的反射能力较强，适用于反射分析。在食品掺假检测中，通常将检测器和光源置于样品同一侧，通过分析样品溶液的漫反射或镜面反射收集的光来进行分析

值得注意的是，NIR技术在食品检测中展现出诸多优势和独特特点。① 作为一种快速、无损的检测方法，NIR 技术能够在不破坏样品的前提下高效分析食品成分，减少了复杂的样品前处理步骤。② NIR技术具备多组分同时检测的能力，可以精准测定水分、脂肪、蛋白质、糖分等关键成分，广泛应用于食品成分分析和质量控制。③ 该技术适用于多种食品形态，包括固体和液体，且检测过程快速便捷，适合实时在线监测，可以实现食品掺伪的在线检测。结合大数据分析和机器学习算法，NIR 技术进一步提升了检测的精确性和自动化水平，为食品安全和质量监控提供了强有力的支持。

随着科学技术的不断完善，在近红外光谱技术检测中运用二维相关法的越来越多。因为在二维相关法的检测过程中，它能有效地显示因外界变化引起的特征改变，这比传统的近红外光谱分析方法有更大的优势。二维相关法在分析各光谱的相关性之间，提高了同步、异步交叉的解释能力，进一步提高了光谱分析的精度。

在近红外光谱图中会有特征区域不明晰、重影模糊的情况，也存在多余无用信息的问题，这就需要在建模时选择合适的波长，将无用的信息进行删减优化。

肉制品掺假问题在市场上日益严重，常见形式包括掺入低品质肉类、混合非肉类成分、使用过量添加剂，甚至用廉价肉冒充高档肉。NIR 技术在肉制品掺假检测领域具有广泛的应用前景。该技术通过分析肉制品在近红外光区域内的吸收光谱，能够快速、无损地识别掺假的成分和比例。

由于不同成分（如水、脂肪、蛋白质、碳水化合物等）在近红外区域的吸收特性不同，NIR 技术可以有效区分正常肉制品与掺杂了劣质肉类、植物蛋白、添加剂等不合规成分的产品。有研究表明，采用近红外光谱技术结合正交偏最小二乘判别分析法，建立牛肉掺假和羊肉掺假的定性鉴别模型，结果发现所有模型训练集鉴别准确率均在95%以上，预测集鉴别准确率均在90%以上。

乳制品掺假现象在近年来屡有发生，常见的手段包括掺入水分、淀粉、植物油脂或劣质奶粉来降低生产成本。这不仅影响了乳制品行业的声誉，还给食品安全带来了重大隐患。近红外光谱技术在乳制品掺假检测中展现出显著优势。该技术通过快速、无损分析乳制品的光谱特征，能够精确识别掺入的非乳成分，如水分、淀粉等杂质。

例如，对于牛奶的检测，通常可采用近红外光谱技术结合二维相关参数法、神经网络、误差反向传播等方法，以提高对牛奶中掺假物质的辨别率。研究表明，当掺水量超过50%时，正确判别率可达100%；而对于掺入的还原奶、变质牛奶等，判别准确率也在90%以上。

近红外光谱技术在蜂蜜掺假检测中展现出显著优势。通过分析蜂蜜样品的光谱特征，近红外光谱能够快速、无损地检测其中是否存在掺入物，如糖浆或其他非天然甜味剂。由于不同化学成分对近红外光具有独特的吸收光谱特征，NIR 技术能够精确区分纯蜂蜜和掺假的蜂蜜。此外，该方法无须复杂的样品前处理，检测速度快，结果可靠，已被广泛应用于蜂蜜质量控制和市场监管，为确保蜂蜜产品的纯净度和安全性提供了高效的检测手段。

有研究采集麦卢卡蜂蜜掺假样品的近红外光谱数据，经光谱差异分析、主成分分析和偏最小二乘回归向量分析，通过绘制水镜图并进行水光谱组学评估，结果表明，近红外光谱结合水光谱组学可以有效用于蜂蜜掺假的鉴别。

在葡萄酒检测中，通常需要检测有色度、三甲聚合体、酚类物质等指标。由于酒的品种和种类样本较少，存在一定的局限性，因此需要用偏最小二乘验证预测信息的稳定情况，对更多品种的样本信息进行分析检测。

食用油掺假现象在市场上较为普遍，常见形式包括掺入低品质油、混合其他植物油，甚至使用工业油冒充食用油。为了有效识别掺假行为，近红外光谱技术得到了广泛应用。该技术通过分析食用油的光谱吸收特征，能够快速、无损地检测油品的组成成分和质量差异。

研究人员通过采集掺假茶籽油样品的近红外光谱数据，结合线性判别分析和偏最小二乘法进行定性和定量分析，结果发现对不同掺假类型的中、高掺假度（≥ 10%）的样品识别率高达100%。除此之外，有研究发现通过采集纯山茶油与掺假山茶油的近红外光谱数据，并结合线性判别分析方法建立鉴别分类模型，其中对掺入2%以上菜籽油的山茶油进行分类时，分类正确率达到了100%。

实验表明，在光谱检测的标准预测差值低于0.2%的时候，糖分的近红外光谱检测才会受到外在环境变化的影响。运用遗传算法对光谱进行预处理后，能极大地降低对紫外光谱的错误辨别率。

调味品掺假现象在食品市场中屡见不鲜，常见手段包括在酱油、醋等调味品中掺入淀粉、色素、低价替代品或化学添加剂。近红外光谱技术在调味品掺假的检测中展现出巨大的潜力。通过分析调味品的光谱特征，近红外光谱能够快速、无损地识别其中的成分变化，精准检测掺入的非标物质。该技术不仅能够提升调味品质量监控的效率，还可为打击掺假行为提供科学依据。

研究发现，采用可见-近红外（Visible-Near Infrared Spectroscopy，Vis-NIR）结合化学计量学方法建立鉴别与掺假酱油判别模型，该模型具有在1 mm测量模态，仅采用3个波长，即可达到100%的判别准确率，在10 mm测量模态，仅采用3个波长，即可达到超过97.9% 的判别准确率。

近红外光谱技术在多种食品掺假检测中得到了广泛应用，除了在肉制品、乳制品、食用油和调味品之外，还应用于面粉、速溶茶和咖啡等产品的掺假识别。通过分析食品的光谱特征，近红外光谱能够快速识别掺入的低质量原料或替代成分，如面粉中掺入的滑石粉、咖啡中添加的果粉或大麦粉等。由于该技术无须对样品进行复杂处理，检测速度快且不损坏样品，已成为食品行业确保产品质量和安全的高效工具。

同时，结合现代数据分析技术，近红外光谱还能识别更复杂的掺假行为，提升食品掺假检测的全面性和精准度。例如，研究人员发现通过采集速溶红茶和速溶乌龙茶的近红外光谱数据，并结合化学计量方法，可建立速溶茶内部成分含量分析模型，从而实现速溶茶中茶多酚、茶氨酸和咖啡碱的快速无损检测。

另外，有实验结果表明，利用近红外光谱仪采集掺假咖啡样品，建立掺假咖啡光谱数据库，结合化学计量学方法建立咖啡掺假快速鉴别模型，可以对含量在 2%、5%、10%、15%、20%、30%及40%的巴西莓果粉和5%、10%、15%、20%、30% 及 40% 的大麦掺假咖啡实现有效的掺假鉴别。

近红外光谱技术在食品掺假检测中的应用前景广阔，随着光谱仪器的不断优化和数据处理算法的进步，有望进一步提高检测的灵敏度和准确性。由于其具备快速、无损、绿色环保等优点，近红外光谱技术能够在不破坏食品结构的情况下，实时检测食品中的掺假成分。例如，在蜂蜜、乳制品、肉制品和植物油等领域中识别常见的掺假物质，如糖浆、劣质油、非标添加剂等。

未来，近红外光谱技术有可能与机器学习、大数据分析等先进工具相结合，实现对复杂掺假模式的精准识别。同时，近红外光谱设备的便携化与智能化也将推动其在食品供应链中的广泛应用，使其不仅能在实验室中发挥作用，还能实现现场快速检测。通过建立完善的光谱数据库和标准化检测流程，近红外光谱技术将在保障食品质量与安全方面发挥越来越重要的作用，有助于监管部门有效打击日益复杂的食品掺假行为，为消费者提供更高的食品安全保障。

樱桃小姐，从事大健康行业相关政策分析、健康管理研究与新闻资讯写作宣传工作。