近紅外光譜技術(shù)是基于物質(zhì)分子近紅外波段光吸收特性的快速檢測(cè)技術(shù)，憑借無損、快速、無需復(fù)雜前處理的優(yōu)勢(shì)，成為食品安全檢測(cè)儀的核心應(yīng)用技術(shù)之一，可實(shí)現(xiàn)食品中成分含量、摻假識(shí)別、有害物質(zhì)殘留等多維度檢測(cè)。其在食品安全檢測(cè)儀中的應(yīng)用原理，核心圍繞分子振動(dòng)吸收、光譜信號(hào)采集與解析、化學(xué)計(jì)量學(xué)建模三大核心環(huán)節(jié)，通過捕捉食品物質(zhì)對(duì)近紅外光的特征吸收光譜，結(jié)合數(shù)據(jù)模型實(shí)現(xiàn)對(duì)目標(biāo)檢測(cè)指標(biāo)的定性與定量分析，從光與物質(zhì)的相互作用到數(shù)據(jù)的轉(zhuǎn)化解讀，形成完整的快速檢測(cè)體系，適配食品安全現(xiàn)場(chǎng)快速篩查與實(shí)驗(yàn)室批量檢測(cè)的雙重需求。
近紅外光譜的檢測(cè)波段為780~2500nm，該波段的光輻射能量與食品中有機(jī)分子的中紅外基頻振動(dòng)的倍頻和組合頻振動(dòng)能量相匹配，這是技術(shù)實(shí)現(xiàn)的物理基礎(chǔ)。食品中的核心成分如蛋白質(zhì)、脂肪、碳水化合物、水分，以及部分有害物質(zhì)如農(nóng)藥殘留、非法添加劑等，其分子中均含有C-H、O-H、N-H、S-H等含氫官能團(tuán)，這些官能團(tuán)在基頻振動(dòng)（中紅外波段）時(shí)，會(huì)吸收特定能量的光子，而在近紅外波段，分子會(huì)吸收光子能量發(fā)生倍頻振動(dòng)（基頻的2倍、3倍）和組合頻振動(dòng)（不同基頻振動(dòng)的疊加），且不同官能團(tuán)、不同分子結(jié)構(gòu)的振動(dòng)頻率具有高度特異性，會(huì)在近紅外光譜上形成專屬的特征吸收峰。例如，水分子中的O-H鍵在960nm、1450nm、1940nm處有特征吸收峰，蛋白質(zhì)中的N-H鍵與C-H鍵在1550nm、2100nm處形成特征吸收，脂肪中的C-H鍵則在1720nm、2300nm處有明顯吸收，這些特征吸收峰的位置、強(qiáng)度、形狀與物質(zhì)的種類、含量直接相關(guān)，是近紅外光譜定性與定量檢測(cè)的核心依據(jù)。食品安全檢測(cè)儀通過精準(zhǔn)捕捉這些特征光譜信號(hào)，即可實(shí)現(xiàn)對(duì)食品中目標(biāo)物質(zhì)的識(shí)別與含量分析。
在食品安全檢測(cè)儀中，近紅外光譜技術(shù)的核心檢測(cè)流程分為光譜信號(hào)采集、信號(hào)預(yù)處理、化學(xué)計(jì)量學(xué)建模、定性定量分析四步，各環(huán)節(jié)協(xié)同實(shí)現(xiàn)從光信號(hào)到檢測(cè)結(jié)果的轉(zhuǎn)化。首先是光譜信號(hào)采集，檢測(cè)儀的光學(xué)系統(tǒng)主要由光源、分光器、樣品池、檢測(cè)器組成，光源發(fā)射連續(xù)的近紅外光，經(jīng)分光器分解為不同波長(zhǎng)的單色光后照射到食品樣品上，樣品會(huì)選擇性吸收特定波長(zhǎng)的光，未被吸收的光則發(fā)生反射、透射或漫反射，由檢測(cè)器捕捉并轉(zhuǎn)化為電信號(hào)，最終形成以波長(zhǎng)為橫坐標(biāo)、吸光度為縱坐標(biāo)的近紅外原始光譜圖。針對(duì)不同食品樣品形態(tài)，檢測(cè)儀會(huì)采用不同的測(cè)樣方式：液態(tài)食品（如牛奶、飲料）采用透射法，固態(tài)食品（如糧食、肉類、奶粉）采用漫反射法，半固態(tài)食品（如醬料、奶油）則采用透射-漫反射結(jié)合法，確保光譜信號(hào)的有效采集。
原始光譜信號(hào)會(huì)受樣品狀態(tài)、儀器誤差、環(huán)境干擾等因素影響，出現(xiàn)基線漂移、雜散光、噪聲等問題，無法直接用于分析，因此需進(jìn)行信號(hào)預(yù)處理，這是提升檢測(cè)準(zhǔn)確性的關(guān)鍵步驟。食品安全檢測(cè)儀會(huì)通過內(nèi)置算法完成預(yù)處理，常用方法包括平滑處理、基線校正、歸一化、求導(dǎo)處理等：平滑處理可消除光譜中的隨機(jī)噪聲，基線校正能修正因樣品厚度、儀器漂移導(dǎo)致的基線偏移，歸一化可消除樣品濃度、粒度差異帶來的光譜差異，一階或二階求導(dǎo)則能增強(qiáng)特征吸收峰的分辨率，消除背景干擾，使特征吸收峰的特征更顯著。預(yù)處理后的光譜信號(hào)去除了干擾因素，保留了與樣品成分相關(guān)的有效信息，為后續(xù)建模與分析奠定基礎(chǔ)。
化學(xué)計(jì)量學(xué)建模是近紅外光譜技術(shù)實(shí)現(xiàn)食品安全檢測(cè)的核心環(huán)節(jié)，也是將光譜信號(hào)轉(zhuǎn)化為具體檢測(cè)結(jié)果的關(guān)鍵，其本質(zhì)是建立光譜數(shù)據(jù)與食品中目標(biāo)成分含量/性質(zhì)之間的數(shù)學(xué)關(guān)系模型。食品安全檢測(cè)儀中內(nèi)置的模型均通過大量標(biāo)準(zhǔn)樣品標(biāo)定建立：首先選取一系列成分含量已知的標(biāo)準(zhǔn)食品樣品，采集其預(yù)處理后的近紅外光譜，利用偏最小二乘法、主成分分析法、人工神經(jīng)網(wǎng)絡(luò)等化學(xué)計(jì)量學(xué)算法，挖掘光譜數(shù)據(jù)與目標(biāo)成分含量之間的內(nèi)在關(guān)聯(lián)，構(gòu)建定量校正模型；對(duì)于摻假識(shí)別、種類鑒別等定性檢測(cè)，則通過主成分分析、判別分析等算法，建立定性判別模型，確定不同樣品的光譜特征差異閾值。建模完成后，對(duì)未知樣品檢測(cè)時(shí)，檢測(cè)儀只需采集其光譜并預(yù)處理，代入已建立的模型，即可快速輸出目標(biāo)成分的含量或樣品的定性結(jié)果（如是否摻假、是否含有害物質(zhì)）。此外，優(yōu)質(zhì)的食品安全檢測(cè)儀會(huì)配備模型更新與優(yōu)化功能，可根據(jù)實(shí)際檢測(cè)需求補(bǔ)充標(biāo)準(zhǔn)樣品，對(duì)模型進(jìn)行迭代優(yōu)化，提升對(duì)不同樣品的適配性與檢測(cè)準(zhǔn)確性。
近紅外光譜技術(shù)在食品安全檢測(cè)儀中的應(yīng)用，還依托無損、快速、多成分同時(shí)檢測(cè)的技術(shù)優(yōu)勢(shì)，適配食品安全檢測(cè)的實(shí)際需求。該技術(shù)無需對(duì)樣品進(jìn)行消解、萃取等復(fù)雜前處理，固態(tài)樣品可直接裝樣檢測(cè)，液態(tài)樣品可直接注入樣品池，檢測(cè)過程僅需數(shù)秒至數(shù)分鐘，且檢測(cè)后樣品無損耗，可實(shí)現(xiàn)原位、現(xiàn)場(chǎng)快速篩查；同時(shí)，一份近紅外光譜圖中包含了樣品中多種成分的特征吸收信息，通過建立多成分校正模型，可實(shí)現(xiàn)一次檢測(cè)同時(shí)分析食品中的水分、蛋白質(zhì)、脂肪、糖分等多種營(yíng)養(yǎng)成分，或同時(shí)識(shí)別多種摻假物質(zhì)、有害物質(zhì)殘留，大幅提升檢測(cè)效率。
近紅外光譜技術(shù)在食品安全檢測(cè)儀中的核心原理，是利用食品中有機(jī)分子含氫官能團(tuán)的近紅外特征振動(dòng)吸收，通過光學(xué)系統(tǒng)采集光譜信號(hào)，經(jīng)預(yù)處理消除干擾后，借助化學(xué)計(jì)量學(xué)算法建立光譜數(shù)據(jù)與食品成分、性質(zhì)的數(shù)學(xué)模型，最終實(shí)現(xiàn)對(duì)目標(biāo)檢測(cè)指標(biāo)的快速定性與定量分析。從光與物質(zhì)的相互作用到數(shù)據(jù)的建模解讀，整個(gè)過程依托光學(xué)、化學(xué)、數(shù)學(xué)的協(xié)同，兼具快速、無損、多指標(biāo)同時(shí)檢測(cè)的優(yōu)勢(shì)，成為食品安全快速檢測(cè)領(lǐng)域的核心技術(shù)，為食品生產(chǎn)、流通、監(jiān)管各環(huán)節(jié)的質(zhì)量把控提供了高效的技術(shù)支撐。
本文來源于深圳市芬析儀器制造有限公司http://www.hengweibike.com/
