近红外光谱法

1.2.1　近红外光谱法

在目前的农产品光学无损检测技术中，近红外光谱（NIR）法是研究最多的方法。各国研究者用近红外光谱研究了苹果、梨、柑橘、西瓜等的内部糖酸度检测，目前已有实用化的无损检测设备。美国及其他国家的许多研究者也进行了鸡肉、牛肉食用品质的近红外光谱检测方法。在我国，北京农林科学院蔬菜中心、中国农业大学、浙江大学、江苏大学、江西农业大学等单位也利用近红外光谱进行过或正在进行相关农产品内部品质无损检测技术的研究工作。

现代近红外光谱分析技术是近年来分析化学领域迅猛发展的研究热点。近红外光是指波长在780～2526nm范围内的电磁波。现代近红外光谱分析是将光谱测量技术、计算机技术、化学计量学技术与常规化学测试技术的有机结合。应用时，首先将近红外光谱所反映的样品基团、组成或性质数据与用标准的或认可的参比方法测得的组成或性质数据用化学计量学方法建立校正模型，然后通过对未知样品光谱的测定，运用建立的校正模型来快速预测未知样品的组成或性质。

近红外光谱定性分析技术在农产品质量安全方面已经有一些研究（张宁，2008）。吴静珠等以50个奶粉样品作为实验材料，采用高斯径向基函数（RBF）为核函数，根据支持向量机（SVM）的不同输入量调整核参数γ建立了最佳SVM模型，对真假奶粉进行了分类判别，结果发现，对学习集38个奶粉样品识别率可达到100%，对预测集12个奶粉样品预测率也可达到100%。陈全胜等利用近红外光谱分析技术结合支持向量机（SVM）模式识别原理建立了碧螺春茶真伪鉴别模型，结果显示，通过标准正态变量校正（SNV）预处理，选取6 500～5 500cm－1波长范围内的光谱经过主成分分析后，提取11个主成分，选用径向基函数（RBF）作为核函数建立的模型最佳，对训练集的138个茶叶样本识别率达到93.48%，对90个独立样本的预测率达到84.44%。张萍等以苦荞、甜荞及其制品为原料，采用聚类分析研究苦荞的掺假问题，结果表明，对处理后的样品光谱信息数据集进行聚类分析，可明显区分出甜荞及苦荞。Pontes等用SIMCA模式识别技术为几种酒精饮料建立了分类模型，在此基础上利用主成分得出分图来鉴别饮料中掺水、乙醇、甲醇的问题，结果证明了近红外光谱技术可以鉴别酒精饮料的掺假。周向阳等采用近红外光谱对十字花科、旋药科、菊科等20余种叶菜类中有机磷农药残留的鉴别进行了系统研究，以农药甲胺磷为主要研究对象，结合其他3种高、中、低毒有机磷类进行分析测试，讨论了各种蔬菜样品谱图的差异，利用含磷基团在倍频区的特征吸收，采用差谱技术、导数预处理等进行指认，与GC－MS法比对，取得满意的鉴别效果，为有机磷农药残留的快速分析提供了一种简便、快速、可靠的手段。

近红外光谱分析技术除了可测定饲料中的常量和微量营养成分外，还能快速测定饲料中的某些有毒有害成分、抗营养因子及药物成分，如棉酚、植酸磷和葡萄苷等（李辉，2006）。黎静、刘木华等利用可见/近红外光谱，采用多元散射校正（MSC）、标准正态变量校正（SNV）、一阶微分（FD）、二阶微分（SD）、正交信号法（OSC）等不同光谱预处理方法，以偏最小二乘法（PLS）、支持向量机（SVM）等建立的预测模型，使预测脐橙表面农药污染程度具有很高的相关系数，同时均方根误差RMSEP也很小。