近紅外光譜技術在液態食品摻假檢測中的應用

來源:用戶上傳      作者:

　　摘要：隨著我國經濟的不斷發展，食品安全成為重災區。比如在食品中添加對人體有害的物質，用來提高食物的色澤和味道，給人們的飲食安全造成了極大的威脅，近年來，在液體食品中運用紅外光譜進行技術監測很大程度地解決了液體食品的安全問題。本文首先概述了近紅外光譜技術的理論基礎，分析了不同液態食品中近紅外光譜技術的應用，接著分析了近紅外光譜在應用中的關鍵點，旨在為液態食品摻假檢測提供一定的理論基礎。
　　關鍵詞：近紅外光譜技術;液體食品;摻假檢測
　　一、近紅外光譜技術簡介
　　近紅外光譜技術基本原理。我們通常把波長在780納米到2526納米之間的電磁波細分為SW NIR：780-IlOOnm的短波近紅外區和LW NIR： 1100-2526nm的長波近紅外區。由于短波有較強的透射能力，所以通常用來做透射分析，而長波的反射能力較強，通常會用來進行反射分析。一般情況下把檢測器以及光源放在樣品的同一側，通過檢測器收到樣本溶液漫反射或者鏡面反射收集到的光進行分析。
　　近紅外光譜技術分析方法。紅外光譜技術分析方法通常有兩種，第一是定量分析，在近紅外光譜數據和樣本參考模板之間進行校正模型的建立，收集具有代表性的樣本，用化學分析的方法進行測定，校正的方法通常采用偏最小二乘、線性回歸等。第二種就是定性分析，通過歐氏距離、主成分分析法、歐式距離等定性分析的計算方法測定樣品的組成成分[1]。
　　二、近紅外光譜技術在液態食品檢測中的應用
　　在液態奶中的應用。為了提高奶粉中蛋白質的含量，一些廠家會加入淀粉、尿素、三聚氰胺等含氮量較高的物質，以降低生產成本，謀取商業利潤。對于牛奶的檢測通常采用近紅外光譜技術，同時結合二維相關參數法、神經網絡、誤差反向傳播等方法，以便提高對牛奶中摻假物質的辨別率。
　　在液態酒中的應用。在對葡萄酒進行檢測的時候通常需要檢測有色度、三甲聚合體、酚類物質等指標，而樣品酒的感官和近紅外光譜存在一定的關系。一般在檢查的時候都采用抽樣調查的方式進行，但是酒的品種和種類樣本較少，存在一定的局限性，這時就需要用偏最小二乘驗證預測信息的穩定情況，對更多品種的樣本信息進行分析檢測。
　　在檢測果汁中的應用。實驗表明，在光譜檢測的標準預測差值低于0.2%的時候，糖分的近紅外光譜檢測才會受到外在環境變化的影響。運用遺傳算法對光譜進行預處理后，能極大地降低對紫外光譜的錯誤辨別率。
　　三、近紅外光譜技術關鍵點的分析
　　光譜的選擇。隨著我國科學技術的不斷完善，在近紅外光譜技術檢測中運用二維相關法的越來越多。因為在二維相關法的檢測過程中，它能有效地顯示因外界變化引起的特征改變，這比傳統的近紅外光譜分析方法有更大的優勢。二維相關法在分析各光譜的相關性之間，提高了同步、異步交叉的解釋能力，進一步提高了光譜分析的精度[2]。
　　奇異樣本的剔除。因為模型的穩定性以及預測的精準度受奇異樣本點的影響，所以，在樣本檢測之前要剔除奇異點。奇異點通常使用馬氏距離分析法、蒙特羅卡采樣法等方法進行確定。例如運用蒙特卡羅采樣檢測法時，第一步要確定樣本的主要成分;第二步進行MCS下的樣本數據校驗，預算誤差分布情況;第三步計算樣本的平均值和樣本的標準差，以方便更好地繪出分布圖，便于找出奇異樣本。
　　預處理以及優選波長的方式。在近紅外光譜圖中會有特征區域不明晰、重影模糊的情況，也存在多余無用信息的問題，這就需要在建模時選擇合適的波長，將無用的信息進行刪減優化。通常采用偏最小二乘法、連續投影法、逐步回歸法等方法進行波長的優選工作，波長的優選有利于減小誤差。
　　參考文獻
　　[1]金垚，杜斌，智秀娟.NIR技術快速鑒定牛奶品牌與摻假識別[J].食品研究與開發，2016，37（3）：178-181.
　　[2]吳同，譚超.近紅外光譜同時測定白酒中總酯和雜醇油[J].化學研究與應用，2016，28（10）：1460-1463.
轉載注明來源:http://www.hailuomaifang.com/1/view-14802669.htm