近红外光谱分析技术在肉类产品检测中的应用研究进展_吴习宇

光谱技术在肉品掺杂掺假鉴别中的应用研究进展肉品作为人们食物中的重要组成部分，其质量和安全性一直备受关注。

然而，肉品市场上存在着各种形式的掺杂和掺假现象，这对消费者的健康和利益造成了威胁。

因此，对肉品掺杂掺假鉴别技术的研究和应用越来越受到关注。

光谱技术是一种非常有前途的肉品掺杂掺假鉴别技术，它具有操作简便、分析速度快、无损分析等优点。

当前，主要有近红外光谱技术、拉曼光谱技术、荧光光谱技术等被广泛应用于肉品掺杂掺假的鉴别中。

近红外光谱技术是一种快速可靠的非灭菌性监测技术，其可以对样品进行快速的定性定量分析，并能够对样品中的有机物和无机物进行分析。

目前，该技术已被应用于猪、羊、牛肉等肉类的质量检测。

在研究中，研究人员通过近红外光谱技术，成功地实现了不同种类肉品的鉴别，以及掺假和掺杂品的定量分析。

与近红外光谱技术相比，拉曼光谱技术在固体与液体样品的检测中也表现出了很好的应用前景。

拉曼光谱技术是一种非常灵敏、无破坏性的技术，可以对骨头、筋膜等肉品组织结构的变化进行分析，对肉品掺假掺杂鉴别也有较好的应用效果。

在研究中，研究人员发现，当微小分子物质掺杂在肉中时，其分子振动频率的变化会引起拉曼光谱图形的变化，因此可以通过拉曼光谱技术对肉品中的掺杂物进行快速检测。

荧光光谱技术是一种能够对肉品溶液中的荧光物质进行快速检测的技术，可以用于猪、鸡、菜薹等不同种类的肉品溶液的鉴别。

在研究中，研究人员发现荧光光谱技术能够准确地检测到肉品中的掺杂物，并且由于荧光物质具有吸光度低、灵敏度高、选择性强等优点，因此这种技术在未来的肉品掺杂掺假鉴别中可能会得到更广泛的应用。

综上所述，光谱技术在肉品掺杂掺假鉴别中具有非常有前途的应用前景，可以实现肉品的快速鉴别和质量检测。

但是，要想更好地应用这些技术，还需要进一步深入研究技术的特性和指标，不断完善技术的理论体系和分析方法，为消费者提供更加安全、健康的肉品。

第27卷 第2期2010年4月食品安全质量检测学报Journa l o f Food Safety and Qua lityV ol 27N o 2A pr .2010*项目基金:国家自然科学基金(30771244);北京市自然科学基金(6082016);国家863高技术研究发展计划(2008AA10Z210)资助项目+通讯作者光谱技术在生鲜肉品质安全快速检测的研究进展*彭彦昆+,张雷蕾(中国农业大学工学院 北京 100083)摘要:光谱技术作为无损快速检测技术在肉品行业中得到广泛应用。

该技术能实现生鲜肉快速、在线、准确、无损检测,是各类生鲜肉品质安全分析的重要技术之一。

文章综述了近红外光谱、拉曼光谱、高光谱成像技术、荧光光谱等光谱技术在生鲜肉品质检测和安全评定上的重要应用和研究进展。

主要包括水分、蛋白质及脂肪等影响肉类营养品质的组成成分分析,肉品食用品质如嫩度、大理石花纹、肉色及新鲜度等指标的评价,肉品加工品质如保水性并由此实行肉类分级的检测以及生鲜肉在微生物污染等安全品质的评定。

同时分析各种光谱技术的现状提出存在的问题,并针对目前发展趋势展望了该技术的前景:光谱技术通过与机器视觉技术等新型无损检测技术的有机融合,将实现在线检测评价生鲜肉品质安全的目标。

关键词:光谱技术;生鲜肉;品质安全;快速检测;研究进展中图分类号:S123 文献识别码:A 国家标准学科分类代码:150.2520Advance m ent of rapi d detecti on ofm eat qualit y and safety byusi ng spectral m i ag i ng tec hno l ogyY ankun Peng +,Le ile i Zhang(C ollege o fEng i n eeri n g ,Chi n a Agricu lturalUn i v ersity ,B eiji n g 100083,Chian)Abst ract :As a rapid and non destr uctive detecti o n technology ,spectr oscopy has been w i d ely used fo r asses si n g m eat qua lity and safety .It can be used as rap i d ,on li n e ,accurate and nondestr uctive detection techno l ogy wh ich is one o f the i m portantm ethods for qua lity and safety detecti o n of fresh m ea.t N ear i n frared spectroscopy ,R a m an spectroscopy ,hyperspectral i m ag i n g techn i q ue and fluorescence spectr oscopy are m a i n non destr uctive techno l o g ies used at presen.t In this paper ,the i m portant applicati o ns and research advances of t h ese spectroscop ies i n fresh m eat quality and safety inspection are revie w ed .The app lications of the spectral techno l o g ies are w ide ,i n clud i n g the ana l y sis of nutriti o na l co m ponents such as wa ter ,pr o te i n and fa;t the eva l u ation of eati n g qua lity ofm eat that i n cludes tender ness ,m arb ling ,co l o r and freshness ;the detecti o n of m eat qua lity that i n cludes w ater ho l d i n g capac ity ;and t h e eva l u ation ofm eat safety qua lity that consists m i crob i a l conta m i n ati o n ,etc .The pr oble m s o f these spectral techno log ies are discussed ,and the prospects of t h e techno logy co mb i n ed w ith co m puter v isi o n for the developm ent of online testing equ i p m en ts i n order to acco m p lish co m prehensi v e evalua ti o n of the quality and safety o f fresh m ea t i n to practical app lication are presented .K ey w ords :spectra l i m ag i n g techno logy ;fresh m ea;t quality ;safety ;rap i d de tecti o n ;advance m ent第2期彭彦昆等:光谱技术在生鲜肉品质安全快速检测的研究进展631 引 言随着生活水平的不断提高,膳食结构的相对变化以及对健康的日益关注,人们对畜禽生鲜肉的需求量迅速增加,对肉品质量的要求也不断提高。

近红外光谱分析技术在农产品质量检测中的应用近红外光谱分析技术（Near-Infrared Spectroscopy，简称NIRS）是一种非破坏性、快速、高效的分析方法，近年来在农产品质量检测中的应用越来越广泛。

该技术通过检测农产品样品中的近红外光谱信息，可以快速而准确地判断农产品的成分、质量和安全性，提高农产品的质量控制和食品安全监测的效率。

本文将介绍近红外光谱分析技术在农产品质量检测中的应用，并探讨其在未来的发展趋势。

首先，近红外光谱分析技术在农产品质量检测中的应用主要体现在成分分析方面。

农产品的成分分析是评估其质量、安全性和营养价值的重要指标。

传统的成分分析方法通常需要复杂的实验操作和耗时耗力的样品准备过程，而近红外光谱分析技术能够通过光谱信息直接提取样品的组分含量，无需样品破坏或前处理，大大提高了分析效率。

例如，通过近红外光谱分析技术可以快速测定粮食中的蛋白质、油分、水分和淀粉等关键成分，对于粮食质量的评估、产地溯源和贸易交易具有重要意义。

其次，近红外光谱分析技术在农产品质量检测中还可以用于判别品种或分类鉴别。

农产品的品种或分类鉴别对于保护农产品的地理标志、加强品种保护和品牌营销都具有重要意义。

传统的品种鉴别方法通常依赖于形态学特征或基因分析，而近红外光谱分析技术能够通过光谱图像的差异判断不同品种或分类的农产品。

研究表明，近红外光谱分析技术在茶叶、葡萄酒、水果和蔬菜等领域的品种鉴别上具有较高的准确性和可靠性，为农产品的品质认定提供了便利和可行性。

此外，近红外光谱分析技术还可以应用于农产品的质量检测和安全控制。

农产品的质量检测和安全控制是保障消费者权益和食品安全的重要环节。

近红外光谱分析技术可以通过检测农产品中的有害物质、污染物和残留物等，预测农产品的质量和安全问题。

例如，该技术可以用于检测农产品中的农药残留、重金属含量、真伪鉴定等方面，对于农产品的质量检测和食品安全监测具有较高的灵敏度和准确性，能够帮助农民和监管部门进行农产品质量控制和风险评估。

文章编号:１６７３￣２９９５(２０１８)０６￣０４５９￣０３综㊀述近红外光谱技术评价肉品新鲜度的应用杨㊀莹１ꎬ庄晓萌１ꎬ张欣欣１ꎬ曲高阳１ꎬ霍思宇１ꎬ张㊀岚１ꎬ２∗㊀(１.吉林医药学院公共卫生学院ꎬ吉林吉林㊀１３２０１３ꎻ２.吉林省中医药管理局二级实验室ꎬ吉林吉林㊀１３２０１３)摘㊀要:探讨了目前肉品新鲜度检测应用方面最新快速无损检测技术近红外光谱技术ꎬ包括其基本原理及应用特点ꎬ总结了目前近红外光谱技术在肉类制品中的现状㊁研究进展及前景ꎮ关㊀键㊀词:肉类制品ꎻ新鲜度ꎻ近红外光谱中图分类号:ＴＳ２５４.７㊀㊀㊀文献标识码:Ａ㊀㊀随着我国的经济实力不断增强ꎬ加工业与物流业迅速发展ꎬ食品的种类日益增多ꎬ食品安全问题成为消费者关注的焦点[１]ꎮ新鲜度是评价食品食用价值最直接㊁最重要的一项指标ꎮ食品随着贮藏温度和时间的变化ꎬ其新鲜度逐渐下降ꎮ尤其对于动物性食品ꎬ如何确保其是否新鲜更是不容小觑ꎮ一个好的检测方法对保证食品的安全具有重要意义ꎮ传统检测新鲜度的方法操作复杂㊁耗时ꎬ而且包含一定的人为因素ꎬ不能快速㊁准确地反映肉类的品质ꎮ因此ꎬ探寻一种简便快速㊁客观准确的评价方法成为当前必须解决的课题[２]ꎮ近红外光谱技术是近几年发展较为迅猛的一种新兴光谱分析方法ꎮ近红外光谱是介于可见光和中红外光之间的电磁波谱ꎮ近红外光谱技术是通过对样品光谱和其性质参数进行关联ꎬ建立矫正模型ꎬ然后通过矫正模型预测样品的组成和性质ꎬ应用于常规分析的一种技术[３]ꎮ近红外光谱技术具有检测快速㊁无损㊁同时测量多种理化性质㊁操作简单等优点ꎬ受到欧美等发达国家的重视ꎬ研究与制定了近红外光谱的技术标准和应用标准ꎬ并将该技术运用于水产品中蛋白质㊁脂肪㊁水分等指标的检测ꎬ使近红外光谱技术得到普及和发展[４￣６]ꎮ２０世纪８０年代以来ꎬ近红外光谱技术被不断广泛应用于农业㊁制药㊁烟草㊁食品等各个领域ꎮ国内外有许多专家使用近红外技术检测肉制品ꎮ例如ꎬ已成功地实现了用近红外光纤探头在加热肉品过程中水分变化的检测ꎬ为肉制品加工提供了一种新的有效㊁合理的控制方法[７]ꎮ此外ꎬ由普列托等已证实近红外是一个评估肉和肉制品质量属性最有效的方法ꎮ作者简介:杨㊀莹(１９９６ )ꎬ女(汉族)ꎬ本科生.通讯作者:张㊀岚(１９８０ )ꎬ女(汉族)ꎬ副教授ꎬ博士.１㊀近红外光谱技术在禽类产品新鲜度检测中的应用鸡㊁鸭㊁鹅是人们最常见的食用家禽类肉品ꎬ具有很好的营养价值ꎮ刘永亮[８]与其他几位美国研究者运用近红外光谱法测定时间㊁温度的变化诱导鸡肌肉的光谱强度变化ꎮ结果表明ꎬ近红外的方法不仅可以建立光谱带ꎬ还可以监测肉质中发生的一系列变化ꎮ最终研究了光谱吸收和肉的颜色结构之间的关系ꎬ也证明了二维方法在重叠和分析中的意义ꎬ这一结果可广泛用于肉类和食品产品的研究ꎮ然而肉质其他特点ꎬ如肉的口感不能得到检测ꎮ杨勇[９]等以狮头鹅为研究对象ꎬ采集近红外光谱测定鹅肉的挥发性盐基氮(ｔｏｔａｌｖｏｌａｔｉｌｅｂａｓｉｃｎｉｔｒｏ￣ｇｅｎꎬＴＶＢ￣Ｎ)和ｐＨ值ꎮ光谱经多种预处理后ꎬ应用偏最小二乘法建模ꎬ最终得出每个样品测定时间在２~５ｍｉｎ以内ꎬ而传统检测方法至少需要３０ｍｉｎ以上ꎮ因此近红外光谱法可作为鹅肉新鲜度快速无损检测的一种方法ꎮ２㊀近红外光谱技术在畜产品新鲜度检测中的应用林皇[１０]等尝试运用近红外光谱仪㊁计算机视觉和电子鼻技术测定猪肉中ＴＶＢ￣Ｎ的含量ꎬ并通过主成分析法进行数据融合㊁ＢＰ人工神经网络进行模型的建立ꎬ这３种技术的融合显著提高了猪肉中ＴＶＢ￣Ｎ含量的预测性能ꎮ廖易涛[１１]等利用近红外光谱法测定猪肉中的肌内脂肪㊁蛋白质和水㊁ｐＨ值及剪切力值的含量来预测肉的品质ꎬ并利用小波去噪和多个预处理方法进行了外部验证ꎮ结果表明ꎬ近红外光谱是一种很有前途的技术ꎬ能够大致预测完整新鲜猪肉的品质属性ꎮ王丽[１２]等将常规分析测定值作为建模基础９５４ 第３９卷㊀第６期２０１８年１２月㊀㊀吉㊀林㊀医㊀药㊀学㊀院㊀学㊀报Ｊｏｕｒｎａｌ㊀ｏｆ㊀Ｊｉｌｉｎ㊀Ｍｅｄｉｃａｌ㊀Ｕｎｉｖｅｒｓｉｔｙ㊀㊀Ｖｏｌ.３９㊀Ｎｏ.６Ｄｅｃ.２０１８㊀㊀数据ꎬ利用ＰＬＳ定量分析模型ꎬ并检测了近红外光谱前期处理方法对模型的影响ꎬ以此建立了猪肉新鲜度指标的快速检测方法ꎮ结果表明ꎬ样本的预测值与真实值之间没有显著差异(Ｐ>０.０５)ꎬ这一结论对快速评估猪肉新鲜度的指标提供了参考价值ꎮ姜沛宏[１３]等以牛后腿肉为研究对象ꎬ开发了检测牛肉新鲜度的识别系统ꎮ他们通过机器视觉和近红外光谱技术评价肉品的新鲜度ꎬ并采用ＢＰ人工神经网络建立模型ꎬ该模型预测准确率达到９８.３１％ꎬ实现了近红外光谱技术在肉品新鲜度检测方面的应用ꎮＰＡＮＡＧＯＵ[１４]等通过红外光谱分析在有氧条件及不同温度下利用偏最小二乘法和人工神经网络快速检测牛肉的腐败进程ꎮ这一实验很好地运用了近红外技术进行了两种方法测定肉品腐败程度的比较ꎬ其应用于肉品检测具有重要的意义ꎮ基于ＳＨＡＣＫ￣ＥＬＦＯＲＤ等发现的一种高效㊁可重复的在线光谱评价酮体品质的方法ꎬＳＨＡＣＫＥＬＦＯＲＤ[１５]等使用可见光和近红外反射通过ｓｐｅｃｔｒｏｓｃｏｐｙ１２３模型验证来建立选择牛肉嫩度的技术ꎮ这一实验进一步证实了ＳＨＡＣＫＥＬＦＯＲＤ等的发现ꎬ同时这项技术促进了以嫩度为基础的牛肉商品化系统的形成ꎮ３　近红外光谱技术在水产品保鲜中的应用ＨＥ[１６]等总结了光谱和成像技术在鱼肉及其制品品质评价中的应用ꎮ近红外光谱㊁计算机视觉和高光谱成像已被用于纹理分析㊁物理和化学属性测定及微生物检测中ꎮ与传统的感官评价和破坏性仪器测量相比ꎬ这３种光学技术提高了工作效率和降低了手动检查的强度ꎬ使鱼的品质评价变得快速㊁简单ꎮ虽然计算机视觉表现良好ꎬ但在外部特征估计方面没有提供需要的光谱信息ꎮ作为重要的光学检查和分析技术ꎬ预计近红外光谱㊁计算机视觉和高光谱成像技术可能逐步成为一种常规的方法ꎬ用于鱼产品的安全与质量监测ꎮ刘源[１７]等建立了测定大黄鱼新鲜度最优ＴＶＢ￣Ｎ定量模型ꎮ他们以ＴＶＢ￣Ｎ作为冰鲜大黄鱼新鲜度的评价指标ꎬ使用近红外光谱技术测定不同贮藏时间下大黄鱼的新鲜度ꎬ运用多种方法建模并进行了比较ꎮ实验结果显示ꎬ只有当光谱预处理方法采用趋近归一化结合一阶导数和单位长度归一化结合一阶导数㊁建模方法采用偏最小二乘法和波数范围为５０００~７１４４ｃｍ－１㊁７４０４~１００００ｃｍ－１时可以达到最佳建模效果ꎮ在此模型下ꎬ定标集相关系数达到０.９９２ꎬ校正标准偏差达到１.０４５ꎬ验证集相关系数达到０.９９９ꎬ预测标准偏差达到０.９９０ꎮ该模型预测准确度较高ꎬ能快速㊁有效检地测冰鲜大黄鱼的ＴＶＢ￣Ｎ值ꎬ在水产品鲜度评价方面得到了良好的应用前景ꎮ陈伟华[１８]等采集了绞碎前后罗非鱼背部肉及腹部肉的近红外光谱ꎬ并与总ＴＶＢ￣Ｎ含量进行拟合ꎬ建立定量预测模型ꎮ通过比较三点平滑㊁九点平滑㊁九点卷积平滑㊁一阶导数㊁趋近归一化㊁单位长度归一化㊁标准正态变换㊁多元散射校正以及它们与一阶导数结合对光谱进行预处理的模型效果ꎬ得出九点卷积平滑和一阶导数相比于其他预处理方法可以更好地消除光谱噪音ꎬ并且其他方法与一阶导数联合使用后ꎬ模型预测准确性及建模效率得到了提高ꎮ模型预测效果较好㊁准确度较高ꎬ对快速㊁无损评价罗非鱼新鲜度提供了一种可靠的方法ꎮ谢雯雯[１９]等测定了鳙鱼㊁鲢鱼和草鱼３种鱼肉不同新鲜度时ꎬ其ＴＶＢ￣Ｎ㊁硫代巴比妥酸值㊁Ｋ值和ｐＨ值ꎬ并采集近红外光谱ꎬ构建了鱼肉新鲜度的评价的模型ꎮ由内部交互验证标准差确立了３种鱼肉新鲜度指标的光谱预处理方法ꎬ运用偏最小二乘法分别建立了鳙鱼㊁鲢鱼㊁草鱼新鲜度的近红外光谱定量分析模型ꎮ除鳙鱼ＴＶＢ￣Ｎ和硫代巴比妥酸值的预测相关系数较小外ꎬ其他指标的校正相关系数和预测相关系数均大于０.８５ꎮ表明该模型具有较好的拟合度和预测性ꎬ对鱼肉新鲜度的快速评价具有重要的意义ꎮ黄涛[２０]等采用自行搭建的淡水鱼近红外光谱在线采集装置ꎬ对淡水鱼新鲜度进行了在线检测ꎬ将样品置于输送链上以０.５ｍ/ｓ的速度运动ꎬ采集其近红外光谱(９００~２５００ｎｍ)ꎬ建立了淡水鱼新鲜度在线检测模型ꎮ采用光谱理化值共生距离算法对样本集进行划分ꎬ其中校正集１１１条(新鲜５７条㊁变质５４条)ꎬ测试集３７条(新鲜１９条㊁变质１８条)ꎬ通过不同的光谱预处理方法对预测结果的影响的比较ꎮ得出最优光谱预处理方法是一阶导结合标准化预处理ꎬ其所建模型对校正集的正确识别率为９７.９６％ꎬ对测试集的识别率为９５.９２％ꎮ采用３种不同的选择方法对特征波长进行筛选ꎬ通过建模比较分析明确竞争性自适应重加权算法为最优波长选择方法ꎬ用所选的１０个特征波长构建淡水鱼新鲜度评价模型ꎬ对校正集的正确识别率为１００％ꎬ对测试集的识别率为９３.８８％ꎮ这一研究为近红外光谱技术应用于淡水鱼新鲜度快速检测提供了在线支持ꎮ０６４ 吉林医药学院学报㊀２０１８年１２月㊀第３９卷张晓敏[２１]等以鲈鱼为研究对象ꎬ运用近红外光谱技术结合偏最小二乘法㊁特征波段筛选法构建了鲈鱼贮藏时间评估方法ꎮ他们还利用簇类独立软模式法和主成分判别分析法完成了对解冻鱼的鉴别ꎬ并初步探讨了运用近红外光谱技术进行鉴别鱼肉的原理ꎮ４㊀展㊀望随着现代仪器研发技术不断发展ꎬ近红外光谱技术的分析系统包括软硬件系统㊁数据处理及分析功能ꎬ均会得到更好地改善ꎮ该技术目前已应用于农业㊁制药㊁烟草㊁食品等领域ꎬ在肉品的新鲜度检测中也充分显示了其应用价值ꎮ近红外光谱技术具有快速㊁无损㊁准确等优点ꎬ越来越受到重视ꎮ与此同时物联网技术㊁云计算㊁大数据正迅速发展ꎬ相信在不久将来几者将会联合起来ꎬ建立强大数据库ꎬ其应用范围将更加扩大ꎬ在检测技术方面的误差也将不断缩小ꎮ参考文献:[１]㊀郭培源ꎬ刘波ꎬ李杨ꎬ等.食品安全现代检测技术综述[Ｊ].中国酿造ꎬ２０１４ꎬ３３(４):５￣８.[２]㊀励建荣ꎬ李婷婷ꎬ李学鹏.水产品鲜度品质评价方法研究进展[Ｊ].食品科学技术学报ꎬ２０１０ꎬ２８(６):１￣８. [３]㊀黄怡淳ꎬ丁炜炜ꎬ张卓旻ꎬ等.食品安全分析样品前处理￣快速检测联用方法研究进展[Ｊ].色谱ꎬ２０１３ꎬ３１(７):６１３￣６１９.[４]㊀袁天军ꎬ王家俊ꎬ者为ꎬ等.近红外光谱法的应用及相关标准综述[Ｊ].中国农学通报ꎬ２０１３ꎬ２９(２０):１９０￣１９６. [５]㊀ＣＯＺＺＯＬＩＮＯＤꎬＭＵＲＲＡＹＩ.Ａｒｅｖｉｅｗｏｎｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｉｎｆｒａｒｅｄｔｅｃｈｎｏｌｏｇｉｅｓｔｏｄｅｔｅｒｍｉｎｅａｎｄｍｏｎｉｔｏｒｃｏｍｐｏｓｉｔｉｏｎａｎｄｏｔｈｅｒｑｕａｌｉｔｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｒａｗｆｉｓｈꎬｆｉｓｈｐｒｏｄｕｃｔｓꎬａｎｄｓｅａｆｏｏｄ[Ｊ].ＡｐｐｌＳｐｅｃｔｒｏｓｃＲｅｖꎬ２０１２ꎬ４７(３):２０７￣２１８.[６]㊀ＬＩＵＤꎬＺＥＮＧＸＡꎬＳＵＮＤＷ.ＮＩＲＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＩｍａ￣ｇｉｎｇＴｅｃｈｎｉｑｕｅｓｆｏｒＥｖａｌｕａｔｉｏｎｏｆＦｉｓｈＱｕａｌｉｔｙ ＡＲｅｖｉｅｗ[Ｊ].ＡｐｐｌＳｐｅｃｔｒｏｓｃＲｅｖꎬ２０１３ꎬ４８(８):６０９￣６２８. [７]㊀付妍ꎬ郭培源ꎬ孙梅ꎬ等.肉品品质检测技术综述[Ｊ].北京工商大学学报(自然科学版)ꎬ２０１２ꎬ３０(１):６９￣７３. [８]㊀ＬＩＵＹꎬＬＹＯＮＢＧꎬＷＩＮＤＨＡＭＷＲꎬｅｔａｌ.Ｔｗｏ￣ｄｉｍｅｎｓｉｏｎ￣ａｌｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｏｆｖｉｓｉｂｌｅ/ｎｅａｒ￣ｉｎｆｒａｒｅｄｓｐｅｃｔｒａｌｉｎ￣ｔｅｎｓｉｔｙｖａｒｉａｔｉｏｎｓｏｆｃｈｉｃｋｅｎｂｒｅａｓｔｓｗｉｔｈｖａｒｉｏｕｓｃｈｉｌｌｅｄａｎｄｆｒｏｚｅｎｓｔｏｒａｇｅｓ[Ｊ].ＪＡｇｒｉｃＦｏｏｄＣｈｅｍꎬ２００４ꎬ５２(３):５０５￣５１０.[９]㊀杨勇ꎬ王殿友ꎬ杨庆余ꎬ等.近红外光谱技术快速测定鹅肉新鲜度[Ｊ].食品科学ꎬ２０１４ꎬ３５(２４):２５９￣２６２. [１０]㊀ＬＩＮＨꎬＺＨＡＯＪＷꎬＣＨＥＮＱＳꎬｅｔａｌ.Ｎｏｎｄｅｓｔｒｕｃｔｉｖｅｍｅａｓｕｒｅｍｅｎｔｏｆｔｏｔａｌｖｏｌａｔｉｌｅｂａｓｉｃｎｉｔｒｏｇｅｎ(ＴＶＢ￣Ｎ)ｉｎｐｏｒｋｍｅａｔｂｙｉｎｔｅｇｒａｔｉｎｇｎｅａｒｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙꎬｃｏｍ￣ｐｕｔｅｒｖｉｓｉｏｎａｎｄｅｌｅｃｔｒｏｎｉｃｎｏｓｅｔｅｃｈｎｉｑｕｅｓ[Ｊ].ＦｏｏｄＣｈｅｍꎬ２０１４ꎬ１４５(７):２２８￣２３６.[１１]㊀ＬＩＡＯＹＴꎬＦＡＮＹＸꎬＣＨＥＮＧＦ.Ｏｎ￣ｌｉｎｅｐｒｅｄｉｃｔｉｏｎｏｆｆｒｅｓｈｐｏｒｋｑｕａｌｉｔｙｕｓｉｎｇｖｉｓｉｂｌｅ/ｎｅａｒ￣ｉｎｆｒａｒｅｄｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙ[Ｊ].ＭｅａｔＳｃｉꎬ２０１０ꎬ８６(４):９０１￣９０７. [１２]㊀王丽ꎬ刘兆丰ꎬ励建荣.近红外光谱技术快速检测猪肉新鲜度指标的方法研究[Ｊ].中国食品学报ꎬ２０１２ꎬ１２(６):１５９￣１６５.[１３]㊀姜沛宏ꎬ张玉华ꎬ陈东杰ꎬ等.基于多源感知信息融合的牛肉新鲜度分级检测[Ｊ].食品科学ꎬ２０１６ꎬ３７(６):１６１￣１６５.[１４]㊀ＰＡＮＡＧＯＵＥＺꎬＭＯＨＡＲＥＢＦＲꎬＡＲＧＹＲＩＡＡꎬｅｔａｌ.ＡｃｏｍｐａｒｉｓｏｎｏｆａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓａｎｄｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｍｏｄｅｌｌｉｎｇｆｏｒｔｈｅｒａｐｉｄｄｅｔｅｃｔｉｏｎｏｆｔｈｅｍｉｃｒｏｂｉａｌｓｐｏｉｌａｇｅｏｆｂｅｅｆｆｉｌｌｅｔｓｂａｓｅｄｏｎＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍｉｎｆｒａｒｅｄｓｐｅｃｔｒａｌｆｉｎｇｅｒｐｒｉｎｔｓ[Ｊ].ＦｏｏｄＭｉｃｒｏｂｉｏｌꎬ２０１１ꎬ２８(４):７８２￣７９０.[１５]㊀ＳＨＡＣＫＥＬＦＯＲＤＳＤꎬＷＨＥＥＬＥＲＴＬꎬＫＯＯＨＭＡＲＡＩＥＭ.Ｏｎ￣ｌｉｎｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆＵＳＳｅｌｅｃｔｂｅｅｆｃａｒｃａｓｓｅｓｆｏｒｌｏｎｇｉｓｓｉｍｕｓꎬｔｅｎｄｅｒｎｅｓｓｕｓｉｎｇｖｉｓｉｂｌｅａｎｄｎｅａｒ￣ｉｎｆｒａｒｅｄｒｅ￣ｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙ[Ｊ].ＭｅａｔＳｃｉꎬ２００５ꎬ６９(３):４０９￣４１５.[１６]㊀ＨＥＨＪ.Ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ[Ｊ].ＣｒｉｔＲｅｖＦｏｏｄＳｃｉＮｕｔｒꎬ２０１５ꎬ５５(６):８６４￣８８６.[１７]㊀刘源ꎬ陈伟华ꎬ侯巧娟ꎬ等.应用近红外光谱技术评价冰鲜大黄鱼新鲜度的研究[Ｊ].光谱学与光谱分析ꎬ２０１４ꎬ３４(４):９３７￣９４１.[１８]㊀陈伟华ꎬ许长华ꎬ樊玉霞ꎬ等.近红外光谱技术快速无损评价罗非鱼片新鲜度[Ｊ].食品科学ꎬ２０１４ꎬ３５(２４):１６４￣１６８.[１９]㊀谢雯雯ꎬ李俊杰ꎬ刘茹ꎬ等.基于近红外光谱技术的鱼肉新鲜度评价方法的建立[Ｊ].淡水渔业ꎬ２０１３ꎬ４３(４):８５￣９０.[２０]㊀黄涛ꎬ李小昱ꎬ彭毅ꎬ等.基于近红外光谱的淡水鱼新鲜度在线检测方法研究[Ｊ].光谱学与光谱分析ꎬ２０１４ꎬ３４(１０):２７３２￣２７３６.[２１]㊀张晓敏.近红外光谱技术快速评估鲈鱼新鲜度的方法研究[Ｄ].杭州:浙江工商大学ꎬ２０１３.(收稿日期:２０１７￣０９￣２５)㊀㊀１６４第６期㊀杨㊀莹ꎬ等.近红外光谱技术评价肉品新鲜度的应用。

近红外光谱仪特性及在牛肉制品检测中的应用陈育涛;朱秋劲【摘要】近红外光谱技术作为一种新型的分析检测技术,具有快速准确、无损的特点,在食品品质检测和生产监控中有着良好的应用前景。

本文着重介绍近红外分析技术的原理、仪器和在牛肉及其制品中的应用并将其与相关同类仪器的性能特点进行对比,最后对近红外光谱技术进行展望。

%Near infrared spectroscopy （NIR）technology, as a new analysis technology, has bright prospects for applications in food quality detection and production monitoring owing to its rapidity, reliability and no destruction. In this paper, NIR technology is introduced with emphasis on its principle, instrumental composition and application in the detection of beef and beef products. Moreover, its features are compared with those of other similar technologies. Finally, its development prospects are presented.【期刊名称】《肉类研究》【年(卷),期】2012(000)005【总页数】4页(P49-52)【关键词】近红外光谱仪;牛肉品质;营养成分;仪器分析;质量安全【作者】陈育涛;朱秋劲【作者单位】贵州大学生命科学学院,贵州贵阳550025;贵州大学生命科学学院,贵州贵阳550025 贵州省农畜产品贮藏与加工重点实验室,贵州贵阳550025 国家牛肉加工技术研发分中心,贵州惠水550600【正文语种】中文【中图分类】TS251.7近红外线是指波长在780～2526nm范围内的电磁波[1]，是人们最早认识的非可见光区域。

近红外光谱技术在肉类等食品中的应用研究随着人们对食品安全和品质的要求越来越高，传统的食品检测方法已经无法满足人们的需求。

科学家们开始借助光学技术，研究并应用近红外光谱技术在肉类等食品中的检测和分析中。

近年来，近红外光谱技术已成为食品检测领域中广泛应用的一种技术手段。

一、近红外光谱技术概述近红外光谱技术（NIR）是一种非破坏性、快速和高效的检测技术。

它利用近红外光的吸收、透射和散射特性，在肉类等食品中对其中的有机化合物、水分和其他成分进行检测。

与传统的化学方法相比，近红外光谱技术在检测速度、准确性、样品消耗量和操作难度等方面具有明显优势。

二、近红外光谱在肉类等食品中的应用1. 肉品中脂肪和蛋白质含量的检测脂肪和蛋白质是肉类中最重要的成分之一。

利用近红外光谱技术，可以简单、快速地测定肉品中的脂肪和蛋白质含量，并得到准确的分析结果。

在一个典型的红肉检测过程中，肉品样品首先被近红外光谱读取器扫描，然后读取器将光谱数据传输到相关计算机软件中，通过建立含量数据模型来计算样品中的脂肪和蛋白质含量。

这种技术在生产中可以用来判断肉类品质、品种等。

2. 食品中的水分含量检测食品中的水分含量是食品生产和食品安全的关键因素之一。

利用近红外光谱技术，可以快速地测定肉类等食品中的水分含量，避免肉品过多或过少的干燥，使肉品水分含量达到最佳状态。

3. 肉类中常见的塑料污染检测在肉类加工和运输过程中，肉类可能会被一些塑料污染，传统的检测方法对于这方面问题的发现往往需要本来就比较大的工作量和时间投入，而采用NIR技术可以快速发现异常情况。

三、总结近年来，近红外光谱技术在肉类等食品检测中的应用日渐广泛，其快速、准确、非破坏等特点已经得到了广泛的认可。

虽然NIR技术具有微观非破坏性，但是也需要充分保障检测设备本身的精准性和专业性，这是将近红外光谱技术应用于食品检测的一个重要前提。

通过不断地完善NIR技术的检测算法和仪器设备，相信它在未来的发展中能够在食品安全保障的方向上产生更大的贡献。

第１期光谱学与光谱分析１２３为３４５～１１００ｎｍ，信噪比为２５０１，光源为卤钨灯，环形布置。

他们利用此系统对砂糖橘等水果的糖度和酸度进行了初步的在线检测研究。

Ｆｉ昏１ＣｏｎｃｅｐｔｖｉｅｗｓｏｆＮＩＲｔｒａｎｓｍｉｓｓｉｏｎｓｙｓｔｅｍｓｖｉｅｗｅｄｆｒｏｍａｂｏｖｅ，（ａ）ＴＩ）ＩＳｓｙｓｔｅｍａｎｄ（ｂ）ＬＡＳｓｙｓｔｅｍ１．２鱼、畜肉类品质在线检测Ｔａｇｅｒｓｅｎ等［１３］利用近红外仪器（ＭＭ５５，ＩｎｆｒａｒｅｄＥｎｇｉ－ｎｅｅｒｉｎｇＬｔｄ，Ｍａｌｄｏｎ，Ｅｓｓｅｘ，ＵｎｉｔｅｄＫｉｎｇｄｏｍ）构建了肉品质在线检测系统（图２）。

在近红外仪器上安装了波长为１４４１，１５１０，１６５５，１７２８和１８１０ｎｍ的滤光片，并以２０Ｈｚ的频率旋转滤光片，获得各个波长下的肉的吸光度。

ＴＣｌｇｅｒｓｅｎ等ｒ”］对１５４个肉样本（猪肉和牛肉）的脂肪、水分以及蛋白质含量（工业范围）进行在线检测，建立了猪肉和牛肉的脂肪、水分、蛋白质含量联合模型以及猪肉和牛肉各自的脂肪、水分、蛋白质含量模型。

其结果如下：脂肪（ｒ—Ｏ．８７～ｏ．９７，ＳＥＰ＝０．８２％～１．４９％），水分（ｒ＝０．８４～０．９６，ＳＥＰ＝０．３５％～０．７０％），蛋白质（ｒ＝０．６２～０．９０，ＳＥＰ＝０．９４％～１．３３％）。

Ｔａｇｅｒｓｅｎ等ｃ１４］在工业范围内对半冰冻牛肉的化学成分（脂肪、湿度、蛋白质）进行在线检测。

实验研究了不同温度对光谱的影响以及不同的颗粒度对建模结果的影响。

建立了颗粒度为４和１３ｒｒｌｒｎ的样本的模型以及所有样本的模型。

Ｆｉ昏２Ｉｌｌｕｓｔｒａｔｉｏｎｏｆｔｈｅ∞－ｌｉｎｅＮ１Ｒｓｙｓｔ哪（ａ）：ＧｒｉｎｄｅｒＩ（ｂ）：ＭＭ５５ｓｅｎｓｉｎｇｈｅａｄ；（ｃ）｝Ｅｌｅｃｔｒｏｎｉｃｃｏｎｔｒｏｌｕｎｉｔ；（ｄ）：Ｒｅｍｏｔｅｄｉｓｐｌａｙ；（ｅ）：Ｌａｐｍｐ；（ｆ）：ＭｅａｔｓｔｒｅａｍＡｎｄｅｒｓｏｎ等［１５］利用ＤＡ－７００近红外分析系统建立了肉品质在线检测系统（图３）。

光谱技术在肉品掺杂掺假鉴别中的应用研究进展
光谱技术是一种非常有效的手段，用于肉品掺杂掺假鉴别。

它基于物质的光谱特性，通过分析物质的吸收光谱或散射光谱来确定其组成和性质。

近年来，光谱技术在肉品掺杂掺假鉴别方面得到广泛关注，其应用研究也取得了一些进展。

近红外光谱技术（NIR）被广泛应用于肉品鉴别中。

近红外光谱波段具有较高的穿透深度和灵敏度，能够快速获取肉品的化学信息。

通过建立近红外光谱与肉品成分之间的关系模型，可以实现对肉品中掺杂品的快速检测和定量分析。

已有研究表明，利用近红外光谱技术可以准确鉴别掺杂的豆粉、小麦、苏丹红等物质。

拉曼光谱技术也被应用于肉品鉴别中。

拉曼光谱技术具有灵敏度高、鉴别准确度高等优点，能够对肉品中的有机分子进行快速无损的鉴别。

通过建立拉曼光谱库，可以对肉品进行快速查库，鉴别掺杂物质。

已有研究表明，拉曼光谱技术可以有效鉴别掺杂的鸡精、黄曲霉毒素等物质。

光谱技术在肉品掺杂掺假鉴别中具有广阔的应用前景。

随着光谱技术的不断发展，人们对肉品掺杂问题的关注也日益增加。

今后，还需要进一步深入研究光谱技术在肉品掺杂掺假鉴别中的应用，完善相关技术和方法，为肉品的质量安全保障提供更好的技术手段。

光谱技术在肉品掺杂掺假鉴别中的应用研究进展
光谱技术是一种常用的非破坏性分析方法，它利用物质对光的吸收、散射和反射等特性，可以获取物质的光谱信息，并通过分析这些光谱信息来识别和鉴别物质的成分和质量。

在肉品的掺杂和掺假鉴别中，光谱技术具有快速、准确、无损和无需样品处理等优势，因
此被广泛应用于肉品品质检测和安全监测领域。

近红外（NIR）光谱技术在肉品掺杂掺假鉴别中的应用研究得到了较多关注。

近红外光谱是从700纳米到2500纳米范围的光谱，可以有效地反映样品中的有机成分和水分等信息。

通过建立近红外光谱模型，可以对肉品中的水分、脂肪、蛋白质等成分进行定量和定性分析，从而判断肉品的质量和真实性。

研究表明，近红外光谱技术可以准确地鉴别出掺杂于
肉品中的淀粉、抗生素、色素等掺杂物，提高了肉品质量的检测效率。

近年来还有一些新的光谱技术被应用于肉品掺杂掺假鉴别中。

原子发射光谱技术可以
用于鉴别肉品中的重金属元素和有害元素；红外光谱成像技术可以通过肉品的红外辐射图
像来判断肉品的类型和成分等。

这些新的光谱技术在肉品掺杂掺假鉴别中具有较高的灵敏
度和准确性，可以有效地提高肉品质量和安全性的监测水平。

光谱技术在肉品掺杂掺假鉴别中的应用研究取得了很多进展，但目前仍存在一些挑战
和问题。

光谱技术对样品的表面性质有较强的依赖性，可能会受到蛋白质结构、水分含量
和组织构造等因素的影响。

还需要进一步完善和标准化光谱技术的数据采集与处理方法，
提高光谱技术在肉品掺杂掺假鉴别中的可靠性和实用性。

相信随着科技的进步和研究的深入，光谱技术在肉品质量和安全监测领域的应用前景将更加广阔。

第２９卷，第７期２００９年７月光谱学与光谱分析ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＶ０１．２９，Ｎｏ．７，ｐｐｌ８７６—１８８０Ｊｕｌｙ，２００９近红外光谱技术在肉品检测中的应用和研究进展徐霞，成芳。

，应义斌浙江大学生物系统工程与食品科学学院，浙江杭州３１００２９摘要近红外光谱（Ｎｍｓ）作为新型光学检测技术在食品行业中得到广泛应用。

该技术能实现肉品在线、快速、无损检测，是肉和肉制品品质分析的重要技术之一ｉ文章综述了近红外光谱技术在肉类行业中的重要应用以及近年来的研究进展，主要包括蛋白质、脂肪及水分等影响肉类品质的化学组成成分分析，肉品感官品质如嫩度、保水性、肉色及新鲜度等指标的评价以及肉品的产地、品种等方面的鉴定。

同时列举了近红外光谱技术在几种常见肉制品品质检测中的应用实例，并针对目前发展趋势展埋了该技术的前景：近红外光谱技术在进一步深入研究提高肉品检测精度的基础上，通过与机器视觉技术等新型无损检测技术的融合以实现全面评价肉类品质的目标。

关键词近红外光谱；肉品；化学成分；感官品质；鉴别，中图分类号：０６５７．３文献标识码：ＡＩ）ＯＩ：１０．３９６４／ｊ．ｉｓｓｍ１０００－－０５９３（２００９）０７—１８７６－０５引言近年来，随着畜禽肉和肉制品食用量的迅速增长，人们对肉品质量提出了更高的要求。

对于肉品，消费者最为关心是肉品质量以及价格。

这就对肉品加工产业化、肉品的安全和食用品质评定以及肉品真伪、掺假鉴别等方面提出了要求［１］。

肉的感官品质的评价一般从肉色、嫩度、风味、持水性、多汁性等方面来衡量，传统的检测方法较多的是使用化学、物理以及口感等损坏性检测评价手段。

世界范围内对于肉品品质检测技术的研究历史较长也取得了一定的成果，如各种肉品化学成分分析、肉品嫩度检测技术，利用图像处理等技术来进行畜体分级和肉品品质检测，并且已开发成仪器设备应用于实际生产中。

尤其是丹麦和德国等已开发出近红外光谱的在线检测肉品品质的生产线。

光谱分析技术在肉类产品检测中的应用前不久，“胶水牛排”成为食品安全热点问题，引发了公众担忧。

“重组”牛排属于调理肉制品，允许添加卡拉胶、TG酶等一系列添加剂来塑形并提升口感，对人体健康没有影响，但其内部易出现微生物细菌污染，需要完全烹饪熟透后食用。

尽管拼接肉并不违规，但笔者走访市场发现，不少“重组肉”在产品包装上冠以“原切西冷牛排”、“原切菲力牛排”的醒目标签出售。

专家表示，这种重组加工却标“原切”的方法误导消费者，涉嫌商业欺诈，目前国内相关行业标准正在积极筹备中。

在肉制品中掺杂未标示或虚假标示的肉类品种已逐渐成为一个全球性问题。

目前，许多肉类溯源和掺假鉴别技术涉及生物化学、免疫学、分子学等。

如聚合酶链式反应（polymerase chainreaction，PCR）作为一种分子学方法，可在样品中特异性地鉴别出特定的DNA或RNA。

然而这些方法不仅耗时、耗材，而且需要对样品进行预处理。

因此，光谱分析以其快速和简单的样品预处理的特点体现出了极大的优势。

近红外（near-infrared，NIR）、中红外（mid-infrared，MIR）、红外（infrared，IR）、傅立叶变换红外（Fourier-transform infrared，FTIR）、紫外可见吸收（ultravioletevisual，UV-VIS）光谱和拉曼光谱（Raman spectroscopy）均可应用于不同加工肉制品中肉类品种的检测。

这些波通过被食物样品反射、透射或吸收，产生了能够反映样品性状的特定光谱。

应用化学计量学对这些复杂的光谱数据进行处理，以保持特定光谱的准确性。

此外，光谱分析还可用于生鲜肉制品的质量分析。

光谱分析技术与肉类物种鉴定原理1红外光谱由不同肉类品种生产的肉制品，其水分、蛋白质和脂肪酸的组成也不同，这些不同导致了在特定波长下光谱产生差异。

其中，O—H、C—H、N—H、C＝O和氢键等在红外射线照射下产生振动响应，记录为红外光谱。

近红外光谱技术在肉类检测中的应用研究人们对于食品安全的关注一直在不断升温。

肉类作为人类的主要蛋白质来源，保障其安全性显得尤为重要。

不同于传统的手动检测方式，近年来，近红外光谱技术逐渐被应用于肉类检测中，能够快速、准确、无损地检测肉类中的相关成分，提高肉类的检测效率和准确度。

一、近红外光谱技术的基本原理近红外光谱技术是一种非破坏性的分析方法，通过测量样品在近红外光谱范围内反射光线的强度和波长，以检测其所包含的物质成分。

近红外光谱仪器设备一般由光源、光路系统、检测器、数据处理系统等组成。

在光源照射下，样品会反射、透射或散射光线，并分别由检测器收集后送至数据系统进行处理。

二、近红外光谱技术在肉类检测中的应用1. 蛋白质含量测定近红外光谱技术可以通过测量肉类样品在近红外光谱范围内反射光线的强度和波长，准确测定其中的蛋白质含量。

同时，不同种类、品种、产地的肉类蛋白质含量也不相同，使得该技术具备在肉类分级中的应用前景。

2. 非蛋白氮含量测定肉类中的非蛋白氮也是衡量其品质水平的重要指标之一，不同含量的非蛋白氮会在近红外光谱分析中表现出不同的特征波峰。

近红外光谱技术通过测定肉类样本的光谱特征波峰的位置、强度和宽度等参数，确定其中的非蛋白氮含量。

3. 水分含量测定水分是肉类中另外一个影响其品质的重要指标。

近红外光谱技术通过测量肉类样本的不同波长下的吸收率，通过构建模型和基于光谱的数学理论对其中的水分含量进行测定。

4. 脂肪含量测定近红外光谱技术也可以用于肉类中脂肪含量的测定。

通过对不同波长下的光线反射率或透射率与脂肪含量之间的关系进行建模，就能够准确地测定肉类中的脂肪含量。

三、在实际应用中的优势和发展前景相比于传统的化学分析方法，近红外光谱技术具有高效、节省时间和成本、无需分样等优点。

同时，其测量时的非破坏性，保证肉类样品的食用安全性。

未来，近红外光谱技术将继续发展壮大，并将不断地被应用于肉类领域的监测和检测中。

近红外光谱分析在农产品检测中的应用研究近红外光谱（NIR）是一种非破坏性的快速分析技术，已被广泛应用于农产品检测领域。

通过检测农产品中的分子振动和化学键的伸缩，近红外光谱可以提供关于农产品的化学组成、质量、安全性和保鲜性等信息。

本文将探讨近红外光谱在农产品检测中的应用以及其优势和挑战。

近红外光谱分析在农产品检测中的应用广泛，包括但不限于农作物、水果、蔬菜、畜禽产品等。

首先，近红外光谱可以用于农作物成熟度的检测。

通过分析农作物中的糖、酸、蛋白质等成分的含量，可以确定农作物的成熟度和品质。

这对于农产品的采摘和销售具有重要意义，可以提供最佳采摘和储存时机的依据。

其次，近红外光谱分析可以用于检测水果和蔬菜的品质和安全性。

通过分析水果和蔬菜中的糖、酸、色素、维生素等成分的含量，可以评估其品质和食用价值。

此外，近红外光谱还可以检测水果和蔬菜中的农药残留和重金属等有害物质，确保食品的安全性。

近红外光谱还可应用于畜禽产品的检测。

通过分析畜禽产品中的脂肪、蛋白质、水分等成分的含量，可以评估其品质和安全性。

特别是在肉制品的质量检测中，近红外光谱可以提供快速准确的结果，帮助生产者提高产品质量和降低成本。

近红外光谱分析在农产品检测中的应用具有诸多优势。

首先，它是一种快速的分析技术，可以在几秒或几分钟内完成样品分析，大大提高了检测的效率。

其次，近红外光谱是一种非破坏性的分析方法，可以对样品进行无损检测，不会对样品造成污染或破坏。

此外，近红外光谱还可以同时分析多个成分，提供更全面的信息。

然而，近红外光谱分析在农产品检测中也面临一些挑战。

首先，近红外光谱分析需要建立样品库和标准化的分析方法，以确保分析的准确性和可靠性。

同时，不同农产品的化学成分和特性差异很大，需要根据不同农产品的特点进行方法的优化和调整。

此外，近红外光谱分析还需要进行光谱的校正和数据处理，以获得可靠的结果。

总而言之，近红外光谱分析是一种在农产品检测中应用广泛的快速分析技术。

近红外光谱技术在农产品质量检测中的应用研究农产品作为人类的主要食品来源，其质量和安全是人们关注的焦点。

近年来，随着农业生产技术的不断发展和现代工业技术的应用，农产品质量检测技术正在不断完善。

而近红外光谱技术作为一种先进的检测手段，被广泛应用于农产品的质量检测中，具有快速、非破坏性、高效、准确等优点。

一、近红外光谱技术的原理和特点近红外光谱技术是利用近红外光区域的电磁波谱线对物质进行光谱分析的一种非破坏性分析技术。

近红外光谱技术通过对不同波长的电磁波的反射、吸收和透射等特性进行测量，来获取样品的物质组成、结构和特性等信息。

近红外光谱技术具有快速、非破坏性、准确性高、重复性好等特点。

与传统的化学分析方法相比，近红外光谱技术具有成本低、分析时间短、操作简便等优点。

二、近红外光谱技术在农产品中的应用研究1、水果和蔬菜的成熟度检测近红外光谱技术可以精确地检测水果和蔬菜的成熟度和质量。

研究表明，近红外光谱技术能够通过检测水果和蔬菜的固体物含量、酸度、糖度、硬度等指标，快速、准确地进行分类和识别，并确定其成熟度和质量等级。

2、工业用油品质检测近红外光谱技术可以用于工业用油品的品质检测，可对油品的甲醛、酸值、氧化值等进行快速检测，判断油品的质量状况和安全性能。

3、牛奶的脂肪含量检测近红外光谱技术可以检测牛奶中的脂肪含量，快速检测奶制品中的脂肪含量并确定质量等级，能够确保奶制品制造的一致性和标准化生产。

4、粮食的品质检测近红外光谱技术可以对各类粮食进行成分分析和品质检测。

通过对谷物中的蛋白质、淀粉、水分等成分进行检测，可以确定粮食的品质，快速并准确地进行数量和质量确定。

三、近红外光谱技术的发展前景近红外光谱技术在农产品质量检测中的应用前景十分广阔。

随着科学技术的不断进步和人们对农产品安全性和营养成分的要求的不断增加，近红外光谱技术的应用前景将更加广泛。

未来，近红外光谱技术将在农业食品行业中发挥越来越重要的作用，为保障人们的生命健康和推动农业现代化提供更为有效的技术手段。

近红外光谱技术在肉类检测中的应用鲜肉既可以作为成品挺直出售，也可以加工成熟肉、冷冻肉或作为肉制品的原料。

利用近红外光谱技术可实现对肉类(包括鲜肉、冷冻肉或熟肉等)成分的分析和测定，肉色、嫩度、保水性等感官特征的评价，同时也可对肉的产地、真伪等做出鉴定和推断，以达到肉类品质和平安的要求(见表5-3)。

表5-3近红外光谱法在肉制品检测中的应用 (一)近红外技术应用于肉类化学组成分析从肉类的化学组成上分析，主要包括蛋白质、脂肪、水分、浸出物、和矿物质6种。

每种化学成分均对肉的食用品质或养分品质影响甚大，如肉品中水分含量及其持水性能挺直关系到肉的品质和风珠，肌内脂肪的多少挺直影响肉的多汁性和嫩度。

自20世纪六七十年月就已有近红外反射光谱与水分、、脂肪和热量之间相关性的讨论，这为深化挖掘近红外光谱技术在此领域的应用与进展打下了基础。

表5-3所示为近年来近红外光谱技术对不同肉类如牛肉、猪肉等的化学成分及含量检测的应用，该领域讨论较为成熟，目前市场上也有此方面应用的特地仪器，如丹麦Foss公司的FoodSean系列食品成分迅速分析仪。

除了蛋白质、脂肪以及水分这3种最常用的组格外，脂肪中脂肪酸的组成和含量对肉的品质和养分价值具有重大影响，因此现代理念对肌肉脂肪的各种脂肪酸含量和比例有了新的要求。

近年来，有学者开头转向对肉类脂肪酸组成和含量的近红外光谱分析讨论，表5-3中列有相关讨论实例。

常规的近红外技术应用于鲜肉和屠宰过程在线检测，为了实际应用的需要可扩展检测肉类的状态如半冷冻及冻干肉，同时也可将此检测技术进一步扩展应用于水产肉类的讨论。

Xecato采纳近红外PLS回来法分析，发觉剁碎的鱼片建模效果优于某处完整部位，但与冷冻干燥的剁碎的鱼片区分不大。

利用近红外反射光谱来测定肉中成分的含量时，普通将肉切碎或磨碎至匀称混合物即成肉糜状，可以精确测定肉中主要成分脂肪、蛋白质和水分的组成和含量。

对于装样过程要求比较高，但相较于理化办法测定具有显然的优势且利于原料肉的在线检测加工。

光谱技术在肉品掺杂掺假鉴别中的应用研究进展随着人们生活水平的提高，消费者对于食品质量的要求也越来越高，特别是对于肉品，消费者十分注重安全、新鲜、无添加等特点。

然而，肉品市场上仍存在着掺杂掺假等乱象，给消费者带来了极大的食品安全隐患。

为了保障消费者的权益及维护市场秩序，研究人员通过发展光谱技术，探索了一条新的鉴别肉品掺杂掺假的路子。

光谱技术是近年来发展迅速的一种谱学分析技术，它通过测量样品对光的吸收、散射或发射来得到其特征谱图，从而对物质的成分及性质进行分析。

肉品中的主要成分是水、蛋白质、脂肪和矿物质等，这些成分在可见光、红外、近红外等光谱范围内都有着独特的吸收峰，因此可以利用光谱技术对不同肉品进行区分和鉴定。

下面将从不同光谱技术的应用角度展开对肉品掺杂掺假鉴别方面的应用研究进展进行分析。

红外光谱技术是一种非破坏性分析方法，其能够快速地获得高精度的样品光谱信息，并且样品处理简单。

因此，红外光谱技术被广泛地应用于肉品掺杂掺假鉴别中。

实验研究表明，采用红外光谱技术对肉制品进行鉴定，能够有效地识别掺假的样品，避免了谷神农、克拉货等掺杂成分对食品安全的隐患。

近红外光谱技术是一种非常有前途的快速检测技术，其通过测量样品与近红外光之间的相互作用，可用于分析食品中的成分、质量及真伪等特点。

近年来，近红外光谱技术在肉制品掺杂掺假鉴别中的应用引起了广泛关注。

研究人员使用近红外光谱技术对天然本品、异种肉、肉中掺假成分等进行了鉴别分析，结果表明，近红外光谱技术对肉制品的鉴别有着较高的准确度和可靠性。

激光诱导荧光技术是一种高分辨率、高灵敏度的检测方法，它可以检测肉制品中微量的生物、化学成分。

实验研究表明，采用激光诱导荧光技术对肉制品中生物和化学成分进行探测鉴定可有效地识别掺杂掺假成分，如瘦肉精、蒙脱石、硼砂等。

总之，随着光谱技术研究不断深入，其在肉品掺杂掺假鉴别中的应用前景越来越广阔。

未来，研究人员应当进一步完善技术，并结合人工智能、大数据等高新技术，推动肉品掺杂掺假鉴别技术不断升级创新，为肉品掺杂掺假问题的解决提供更加可靠的技术保障。