近红外光谱技术在食品检测中的应用研究

Research on the Application of Near-Infrared Spectroscopy Technology in Food Detection

KANG Yumin1， YANG Zhen2*， GU Congcong （1.Shandong Xiangchi Jianyuan Biotechnology Co.，Ltd.，Binzhou 2565oo， China; 2.Shandong Xiangchi Grain and Oil Co.， Ltd.， Binzhou 25650o， China; 3.Shandong Yuxin Biotechnology Co.， Ltd.， Binzhou 2565oo， China）

Abstract： As arapid，non-destructive，and efcient detection method， near-infrared spectroscopytechnology has shownbroad apication prospects inthefieldoffooddetection inrecent years.Thispaper combs through the specific applications of near-infrared spectroscopy technology in aspects such as food quality identification，component analysis，freshess evaluation，and genetically modifiedcomponent detection.Ialsoexplores its techical advantages and proposes a series of optimization strategies，aiming to provide theoretical references for promotingthe in-depth application of near-infrared spectroscopy technology in food detection.

Keywords： near-infrared spectroscopy technology; food detection; food safety

随着食品生产工业化和供应链全球化，各类食品污染、掺假等问题频发，严重威胁着人们的身体健康和生命安全。化学分析法、色谱法等传统食品检测技术虽具有较高准确性，但存在操作烦琐、检测周期长、需要大量的化学试剂且易对环境造成污染等弊端。近红外光谱技术作为一种新兴的无损检测技术，以其快速、高效、准确和绿色环保等优势，在食品检测领域展现出巨大的应用潜力。因此，深入研究近红外光谱技术在食品检测中的应用并提出相应建议，对提升食品检测水平、保障食品安全具有重要的现实意义。

1近红外光谱技术在食品检测中的具体应用

1.1鉴别食品品质与种类

近红外光谱技术在食品品质与种类的鉴别中展现出显著优势，其核心在于通过光谱特征与食品理化性质的关联性建立快速判别模型。在食品种类鉴别方面，近红外光谱技术能依据不同食品的分子振动特性差异，精准识别原料来源、加工工艺及品种信息。例如，针对谷物类食品，近红外光谱可捕捉淀粉、纤维素等成分的特定吸收峰，结合化学计量学方法区分不同品种稻米或小麦的产地特征[1；在食用油检测方面，通过分析脂肪酸组成的光谱响应差异，可有效鉴别橄榄油、花生油等常见油脂的掺伪问题[2]。此外，近红外光谱技术可应用于肉类产品的真伪鉴别，基于肌红蛋白、水分及脂肪含量的光谱特征差异，快速识别不同畜种肉类的混合掺杂现象[3]。相较于传统感官评价或生化检测方法，近红外光谱技术无须复杂的前处理，能在数秒内完成无损检测，同时避免样品消耗，显著提升检测效率并降低企业质量控制成本。

1.2 分析食品成分

近红外光谱技术对食品成分的快速定量分析能力，使其成为现代食品工业质量监控的重要工具。近红外光谱技术通过建立光谱信息与目标成分浓度之间的数学模型，可实现对水分、蛋白质、脂肪和碳水化合物等成分的同步检测。在乳制品检测方面，近红外光谱技术能穿透乳脂球膜直接获取酪蛋白、乳糖等成分的光谱信号，用于液态奶及奶粉的在线成分分析[4；在谷物加工过程中，近红外光谱技术可监测小麦粉中的蛋白质含量或稻米的直链淀粉比例，为产品分级与工艺调控提供数据支持[5]。与凯氏定氮法、索氏提取等传统化学分析法相比，近红外光谱技术不仅避免了试剂消耗与环境污染问题，还可通过便携式设备实现生产线上的连续监测，尤其适用于大批量样品的快速筛查。此外，近红外光谱技术的非破坏性特点使得其在高价值食品，如功能性保健品的成分检测中具有更高的经济性。

1.3检测食品新鲜度与变质程度

在食品新鲜度与变质程度的动态监测方面，近红外光谱技术通过捕捉腐败过程中产生的特征性化学物质变化，为食品品质评估提供依据。针对果蔬类产品，近红外光谱技术可基于细胞壁多糖降解引起的吸光度偏移，量化评估苹果、番茄等果蔬的成熟度与贮藏期[；对于水产品及畜禽肉类，通过检测挥发性盐基氮、硫化物等腐败标志物的光谱响应，构建新鲜度评价模型[。与传统微生物培养或气相色谱检测方法相比，近红外光谱技术无须破坏样品组织结构，可直接对整个水果或整块肉制品进行表面或内部品质分析，同时实现多指标同步检测。在冷链物流环节，搭载近红外传感器的智能设备可对运输中的食品进行连续性质量追踪，预警微生物超标风险，从而有效减少食品损耗并保障食品安全[8]。

1.4检测转基因食品

近红外光谱技术在转基因食品检测领域的应用，主要依赖于其对基因表达产物的光谱特征捕捉能力。转基因作物在基因修饰过程中往往伴随特定蛋白质结构或次级代谢产物的改变，这些差异可通过近红外光谱的高灵敏度检测进行识别。例如，转Bt基因玉米中杀虫蛋白的酰胺键振动特征，或转基因大豆油脂成分的微小变化，均可通过光谱模型与原始品种进行区分[。与聚合酶链式反应、免疫层析等分子生物学方法相比，近红外光谱技术无须复杂的DNA提取或抗体标记过程，使检测流程大幅简化，且能够实现非标记化快速筛查。此外，近红外光谱技术对样品形态的强适应性使其可应用于种子、粉末、油料等多种形态的转基因成分检测，为市场监管部门提供高效的检测手段。

2提高近红外光谱技术在食品检测中应用效果的建议

2.1加强技术和仪器设备创新研发

提升近红外光谱技术在食品检测中的应用效果，需以技术创新与设备优化为核心驱动力。 ① 应重点突破硬件性能瓶颈，针对食品复杂基质的光谱干扰问题，研发具有更高信噪比和抗干扰能力的光谱探测器。通过优化光路设计、采用新型光学材料或引入自适应滤波技术，提升仪器在检测高水分、高油脂或深色食品时的信号稳定性。 ② 需强化算法模型的开发与迭代，结合深度学习框架构建适用于多场景的通用型分析模型[10]。 ③ 应推动设备微型化与智能化进程，开发便携式近红外检测终端并集成无线传输模块，使其能适应田间、生产线或冷链运输中的实时监测需求。

2.2依据实际检测需求开展针对性的前处理工作

针对不同食品特性优化前处理流程是提升检测精度的关键环节。 ① 需建立分类别、分场景的前处理标准操作规范。对于谷物粉末等固体颗粒食品，需明确研磨细度、湿度控制及装样密度的标准化参数，以消除因物理状态差异导致的光谱散射干扰[11]；对于汁或食用油等液态样品，则应规范比色皿清洁程序与温控条件，避免残留污染或温度波动引起的基线漂移。 ② 需开发动态光谱校正技术，根据待测样品的理化特性自动匹配最佳预处理方法。例如，针对高水分果蔬样品，优先采用多元散射校正与导数变换相结合的方式消除表面反光影响；对于红酒等富含色素的食品，则需通过标准正态变量变换补偿颜色深浅对吸光度的干扰[12]。此外，应构建食品基质干扰数据库，收录常见食品中纤维、色素、悬浮物等干扰物质的光谱特征，并开发智能识别模块，在检测过程中自动扣除背景干扰信号，从而减少人工干预并提高分析效率。

2.3科学联用其他检测技术和数字信息技术

多技术协同与数字化赋能可显著增强近红外光谱技术的综合检测能力。 ① 需建立近红外光谱与拉曼光谱、高光谱成像等技术的联用机制。在食品掺假鉴别方面，利用拉曼光谱的分子指纹特性补充近红外光谱的官能团信息，通过数据融合提高对相似成分的区分度；在异物检测方面，结合高光谱成像的空间分辨能力，同步实现污染物定位与成分分析[13]② 应深度整合大数据分析技术，搭建食品光谱云平台并接人物联网终端设备，实现跨区域检测数据的实时采集与共享[14]。通过机器学习算法挖掘历史数据中的隐含规律，动态优化模型参数并预警异常检测结果。此外，需开发智能决策支持系统，将光谱检测结果与食品加工工艺参数、贮藏环境数据进行关联分析，为生产企业提供从原料筛选到成品出库的全链条质量优化方案。 ③ 可探索区块链技术在检测数据存证中的应用，利用其不可篡改特性确保检测报告的公信力，为食品溯源体系提供可靠的技术支撑。

2.4加强检测人员专业知识和操作技能培训

专业化人才队伍是保障技术高效落地的核心要素。 ① 需构建分层级、模块化的培训体系，针对仪器操作员、数据分析师及质量控制管理人员分别设计课程内容。操作人员应重点掌握样品制备规范、设备校准流程及常见故障排除方法；数据分析人员需深入理解化学计量学原理，熟练运用偏最小二乘法、支持向量机等建模工具进行光谱解析。 ② 应推动跨学科知识融合教学，在培训中融入食品化学、光学工程及统计学基础理论，帮助从业人员建立系统化知识框架。此外，需制定标准化操作手册与质量控制指南，明确不同食品类别检测的标准操作程序，并通过虚拟仿真平台进行实操演练，降低人为操作误差。 ③ 应建立定期考核与能力认证机制，联合行业协会开展职业技能等级评定，将光谱解析准确率、设备维护规范性等指标纳入绩效考核体系，以此激励从业人员持续提升专业技术水平。

3结语

近红外光谱技术在食品检测领域已展现出强大功能，能有效鉴别食品品质与种类、精准分析食品成分、可靠检测食品新鲜度及变质程度，还能对转基因食品进行筛查。同时，通过加强技术和仪器设备创新研发、开展针对性前处理工作、科学联用其他技术与信息技术以及强化检测人员培训等措施，进一步提升其应用效果。未来，随着技术的持续革新，近红外光谱技术有望在食品检测中发挥更大作用，为食品安全提供更坚实的保障，推动食品行业向更安全、更高效的方向发展。

参考文献

[1]王子熙，沈群，赵卿宇.近红外光谱技术在谷物检测中的应用研究进展[J].食品科学，2025，46（3）：267-273.

[2]吴成招，王一韬，胡栋，等.近红外光谱技术在食用油掺伪检测中的研究进展[J].光谱学与光谱分析，2023，43（3）：685-691.

[3]王冬，栾云霞，王欣然，等．近红外光谱无损分析肉类品质的研究进展[J].肉类研究，2024，38（5）：61-70.

[4]赵小伟，郑楠，王加启，等.近红外光谱技术在乳及乳制品质量检测中的应用[J]动物营养学报，2024，36（9）：5451-5459.

[5]张勇，王督，李雪，等.基于近红外光谱技术的农产品产地溯源研究进展[J]食品安全质量检测学报，2018，9（23）：6161-6166.

[6]廖志强，何崇训.基于近红外光谱技术的苹果糖度预测及分级研究[J].信息技术与信息化，2023（10）：93-98.

[7]陈颖，王璐，尚宏鑫，等.近红外光谱技术在水产养殖行业的应用进展[J].河北渔业，2022（2）：33-37.

[8]王建强，陈景华，郝发义，等.冷链物流对鲜肉新 鲜度的影响及智能检测[J].包装工程，2022，43（1）：148-157.

[9]常莉，翟晨，钱承敬，等.近红外光谱分析技术在玉米品质检测中的应用研究进展[J]中国畜牧杂志，2024，60（1）：101-107.

[10]杨森，张新界，王振民，等.基于近红外光谱和深度学习数据增强的大米品种检测[J].农业工程学报，2023，39（19）：250-257.

[11]焦慧平，莲花，李润甜，等.基于近红外光谱的快速、无损分析技术在肉从蓉药材质量控制中的应用研究[J]化学研究与应用，2025，37（2）：439-448.

[12]黄小贝，周探春，易姿，等.近红外光谱法快速测定4种酒类产品中的酒精度[J].酿酒科技，2024（8）：133-139.

[13]陈瀑，杨健，褚小立，等.近五年我国近红外光谱分析技术的研究与应用进展[J].分析化学，2024，52（9）：1213-1224.

[14]丁浩晗，田嘉伟，谢祯奇，等.机器学习和大数据在食品领域的应用[J].食品与发酵工业，2024，50（24）：353-361.