食品行业当前面临的问题之一是如何快速有效地评估产品质量,因为掺假、微生物、农药和重金属污染等问题影响了食品的安全性。传统的湿化学方法检测周期长、成本高,并需使用腐蚀性化学试剂,限制了农产品质量的评估效率。近红外光谱(near-infrared spectroscopy,NIRS)技术作为一种快速分析手段,被视为一种有效的检测工具,可提供即时结果。相较于传统实验室技术,NIRS技术具有诸多优势,包括速度快、环保,并具有较低的运行成本。此外,该技术无需样品前处理,简化了分析过程,为其在食品质量检测等领域提供了广阔的应用前景[1-2]。NIRS技术在食品行业中的应用通过提供快速的分析手段,改进了不同产品的质量分析和营养评估。在乳制品行业中,NIRS技术越来越被广泛采用,用于不同类型乳制品的质量检测,如液态乳、乳酪、黄油等。该技术在水分、脂肪、蛋白质等指标检测上具有较好的准确性[3⇓-5]。研究表明,便携式NIRS设备也可以在牧场和乳品加工厂中使用,用于饲料品质评价以及液态乳、乳酪、酸奶等产品加工过程中的质量控制[6⇓⇓-9],这不仅有助于确保生产的乳制品质量稳定且优质,还扩大了该技术的应用场景。NIRS技术被视为分析领域的“巨人”,是未来实现快速品质分析检测的重要手段之一。本文主要综述了NIRS技术在乳制品行业中的应用,重点介绍了NIRS技术在液态乳、乳酪、黄油及酸奶产品上的应用现状及存在问题,以期为NIRS在乳制品行业中的进一步应用提供参考。
1 NIRS技术原理
近红外光是指波长介于可见光和中红外之间的电磁波,其波长范围为780~2 526 nm。近红外光的吸收带主要是由与氢有关的化学键产生的,如生物样品中的—CH、—OH、—NH、—SH等[10]。由于任何物质的成分及含量都不尽相同,这些物质存在一系列典型的光谱信息。因此,通过收集某一种物质的代表性光谱,可以将测试样本的光谱与这些光谱进行比较以确定其质量或真实性。这种特性使得NIRS技术成为了一种强大的分析工具,能够在食品行业等领域快速、准确地评估样品的成分和质量。NIRS分析是一种间接测量技术,在大多数应用中需要根据参考方法进行校准。通常是通过湿化学法获得样本的实验室测量值,然后获取代表性样本的光谱信息(训练集),通过运用偏最小二乘回归(partial least squares regression,PLSR)分析、主成分回归(principal component regression,PCR)分析等方法建立校正模型(图1)。在获得校准模型后,必须验证其预测未知样本相关变量的能力,最常用的测试方法是交叉验证和独立验证,其中交叉验证基于校准数据,而独立验证旨在代表实际应用中的测试。校准模型对于不同的测试集可能会表现出不同的性能[11]。因此,训练集的代表性至关重要,它需要尽可能涵盖所有情况的样本范围。此外,为了增加样品光谱之间的差异,提高模型的稳定性和预测能力,需要对样本的原始光谱进行预处理。常用的光谱预处理方法包括均值中心化、标准化、归一化、平滑去噪法和导数等[12],根据具体条件选择合适的光谱预处理方法可以消除基线和其他因素的干扰,从而提高分辨率和灵敏度。
2 NIRS技术在乳及乳制品质量检测中的应用
2.1 液态乳质量分析
牛乳含有丰富的营养物质,对其成分进行检测有助于人们了解牛乳的品质情况。目前,牛乳基本成分(如乳脂肪、乳蛋白和乳糖等)的分析主要使用中波段的乳成分分析仪,但此类仪器通常价格较高,在资源有限的实验室并不一定可用。研究发现,利用NIRS仪可以实现对生乳中乳脂肪、乳蛋白等指标的分析,且结果与采用中波段乳成分仪的检测结果没有差异[13]。因此,NIRS技术为未来乳制品的分析提供了另一种技术手段。目前,便携式NIRS仪也被开发并应用于生乳品质的检测,其中对乳中脂肪、蛋白质、干物质和乳糖含量的检测均较为准确,标准误差分别为0.10、0.10、0.14和0.07[7]。Kawasaki等[14]还利用了NIRS传感系统在奶厅进行生乳质量的在线评估,并建立了乳脂肪、乳蛋白、乳糖、体细胞数(SCC)和乳尿素氮(MUN)的定标模型,其中乳脂肪、乳糖和乳蛋白的检测结果相对较好,可用于在线评估生乳的质量,帮助牧场管理人员及时调整饲养方案。Purnomoadi等[15]分析了饲料来源对NIRS技术检测的乳脂肪和乳蛋白含量的影响,发现饲料来源未对乳脂肪含量产生影响,但会影响乳蛋白含量的准确性。这可能是在研究中使用的饲料原料的脂肪含量及类型相似,导致乳脂肪含量变化较小,而饲粮蛋白质结构和摄入量对乳蛋白含量有较大影响,会影响乳中不同氮的比例。研究表明,使用含均质和非均质样品建立的模型分别检测牛乳中的脂肪、蛋白质和酪蛋白含量时,除脂肪外,其他指标的检测结果均非常接近[16],表明均质化处理影响了脂肪的检测,可能是均质化破坏了乳脂肪球的固有结构,从而干扰了脂肪的检测结果[17]。当使用不同样品得到的模型相互使用时,也可能会影响一些指标的检测结果。例如,当用高SCC样品得到的模型来预测低SCC样品时,乳脂肪、乳蛋白和乳糖检测值的标准误差会增加,表明SCC的高低会影响乳脂肪、乳蛋白及乳糖的检测准确性[11]。因此,在建立预测模型时,应该尽可能涵盖所有情况的样品,以确保模型的可靠性和泛化能力,这对于提高NIRS技术在乳制品质量检测中的准确性和适用性具有重要意义。
NIRS技术还被应用于乳中脂肪酸、菌落总数等指标的检测。例如,Llano等[18]研究表明,NIRS技术在检测牛乳中脂肪酸的潜力巨大,发现校正模型对于饱和脂肪酸(SFAs)、单不饱和脂肪酸(MUFAs)和多不饱和脂肪酸(PUFAs)含量均具有较好的预测能力,交叉验证的决定系数均大于0.80。除此之外,利用NIRS技术对乳中总n-6 PUFAs含量以及n-6/n-3 PUFAs比值的预测也表现出较高的准确性[19]。研究发现,细菌培养时间对菌落总数的预测准确性有一定影响,经过90 min培养的样品校正效果最佳,相关系数高达0.90,预测均方根误差为0.32 log10 CFU/mL[20],表明在特定条件下NIRS技术可以用于原料乳中菌落总数的分析。在羊乳方面,利用NIRS技术不仅可以预测乳中脂肪酸组成,还能预测动脉粥样硬化指数(AI)和血栓形成指数(TI),这有助于了解羊乳的营养价值[21]。在驼乳方面,使用台式和便携式NIRS仪均能准确预测乳中脂肪、乳糖、蛋白质、水分和灰分含量,2种类型的NIRS仪所建立的模型的验证系数均大于0.90,尽管台式NIRS仪的预测能力稍优于便携式NIRS仪,但便携式NIRS仪可实现现场快速检测[22],扩大了NIRS技术的应用场景。
NIRS技术还可应用于牛乳的掺假检测和有机产品的区分。在检测婴幼儿配方奶粉和液态乳中三聚氰胺含量方面,NIRS技术表现出良好的效果。然而,研究同时发现NIRS与三聚氰胺含量之间存在非线性关系[23-24]。因此,使用NIRS建立三聚氰胺含量的预测模型时需要采用非线性回归方法。另外,利用NIRS技术能够辨别出羊乳中掺入不同梯度浓度的牛乳(5%~85%)或尿素(1%~9%),校正模型和验证模型的决定系数均超过0.95以上,这说明NIRS技术在检测羊乳掺假方面具有较高的准确性和可靠性[25]。Liu等[26]的研究还评估了便携式和台式NIRS仪在有机牛乳辨别中的应用,并发现这2种仪器都能成功区分有机牛乳和普通牛乳。类似的研究还发现,使用NIRS仪可以准确辨别和量化牛乳中乳清的掺假,通过对原始光谱进行多元散射矫正和二阶导数法预处理,在1 100~2 500 nm波长区域获得最佳效果[27]。然而,利用NIRS技术难以有效预测MUN的含量,校正模型和验证模型的决定系数均不超过0.55[14,28-29],这可能是由于MUN是乳中的微量成分,含量为5~30 mg/dL(占0.02%左右),其对近红外光的吸收较低且乳中的脂肪会干扰MUN的检测。
2.2 乳酪质量分析
研究表明,NIRS技术不仅可以很好地预测乳酪中的总蛋白和酪蛋白含量[30],对乳酪中水分和脂肪含量的预测效果也较好,决定系数均高于0.90[5,31]。由此表明,NIRS技术在乳酪生产过程中的质量控制上具有一定的应用前景。González-Martín等[32]探讨了NIRS和远程反射光纤探针技术在不同成熟时间的乳酪(包括牛乳酪、绵羊乳酪和山羊乳酪)中亲水和疏水肽的检测效果,结果显示,这2种技术均能很好地预测奶酪中疏水和亲水肽含量,并且由于光纤探针可直接应用于乳酪而无需事先处理或破坏样品,因此该技术可以实现现场操作。一项研究使用NIRS技术估测了乳清干酪中脂肪、蛋白质和水分含量,结果显示,采用6个变量的多变量模型对乳清干酪中脂肪和蛋白质含量的预测能力较好,平均相对误差分别为6.37%和5.95%;而对于乳清干酪的水分含量,采用4个变量得到的模型预测能力较好,平均相对误差为1.91%[33]。NIRS和中红外光谱(MIR)在乳酪某些指标的检测上表现出一定差异。例如,NIRS相对准确地测定了乳酪中脂肪和总氮的含量,但在氯化钠、非蛋白氮含量和pH的测定方面不如MIR[34]。水溶性氮与总氮的比值(即溶解氮指数)通常被用来评价乳酪的成熟度和酪蛋白的质量。研究发现,NIRS在预测奶酪中水溶性氮与总氮的比值时效果也较好,交叉验证和独立验证结果显示水溶性氮、总氮以及水溶性氮与总氮比值的决定系数均在0.85以上[35]。因此,通过水溶性氮和总氮的比值可以快速、准确地监测乳酪的质量和成熟度。
NIRS还被用于矿物质含量的测定,最早可追溯到20世纪70年代,这是由于吸收特征的波长位置通常与物质的化学性质有关,而吸收特征的深度与物质的丰度成正比[36]。通过NIRS预测奶酪中矿物质含量也展现出了良好的效果。以González-Martín等[37]的研究为例,他们利用NIRS测定了不同成熟时间的乳酪(由牛乳、母羊和山羊乳制成)中钙(Ca)、磷(P)、镁(Mg)、钾(K)和钠(Na)的含量,结果显示,所建立的模型能够准确地预测未知乳酪样品中成熟时间为6个月的乳酪中的Ca、P、K、Na和Mg含量,即使这些乳酪是由不同比例的不同动物乳(0~100%)混合制成的。类似的研究还利用NIRS技术测定了商品乳酪中的矿物质、胆固醇含量以及脂肪酸组成,结果表明,针对Ca、P、S、Mg和Zn等矿物质,以及不同类型的脂肪酸(SFAs、MUFAs和PUFAs)和主要脂肪酸(硬脂酸、棕榈酸和油酸)等,都建立了相对满意的预测模型(决定系数>0.85);然而,胆固醇含量则无法准确预测[38]。
表1 基于近红外光谱技术对生乳质量参数的预测能力Table 1 Predictive ability of near-infrared spectroscopy technology in some raw milk quality parameters |
| 样品 Samples | 样品数量 Number of samples/个 | 检测指标 Detection indexes | 交叉验证的 决定系数 | 标准误差 Standard error | 光谱处理方法 Spectral processing method | 模型 Models | 波长范围 Wavelength ranges/nm | 参考文献 References |
|---|---|---|---|---|---|---|---|---|
| 生牛乳Raw cow milk | 88 | 脂肪 | 0.99 | 0.07 | 二阶导数+平滑 | CSMWPLS(10) | 754~972 | [7] |
| 蛋白质 | 0.98 | 0.07 | CSMWPLS(10) | 756~974 | ||||
| 干物质 | 0.99 | 0.07 | CSMWPLS(12) | 738~964 | ||||
| 乳糖 | 0.87 | 0.06 | CSMWPLS(11) | 552~722 | ||||
250 | n-6 PUFAs | 0.58 | 0.38 | 标准化+二阶导数 | MPLSR | 400~2 500 | [19] | |
| n-3 PUFAs | 0.84 | 0.18 | ||||||
| PUFAs | 0.84 | 0.46 | ||||||
| MUFAs | 0.87 | 1.06 | ||||||
| Total CLAs | 0.86 | 0.21 | ||||||
生羊乳Raw goat milk | 805 | SFAs | 0.76 | 1.61 | 导数 | MPLSR | 1 100~2 500 | [21] |
| PUFAs | 0.54 | 0.54 | ||||||
| MUFAs | 0.71 | 1.61 | 400~2 500 | |||||
| n-6/n-3 PUFAs | 0.69 | 1.51 | ||||||
| AI | 0.75 | 0.27 | ||||||
| TI | 0.68 | 0.34 | ||||||
生驼乳Raw camel milk | 153 | 脂肪 | 0.95/0.97 | 0.18/0.47 | 标准化+多元散射矫正 | PLSR | 1 000~2 500/ 900~1 676 | [22] |
| 蛋白质 | 0.96/0.92 | 0.10/0.27 | 二阶导数+标准化 | |||||
| 乳糖 | 0.82/0.94 | 0.11/0.28 | 二阶导数+标准化 | |||||
| 水分 | 0.99/0.96 | 0.11/0.73 | 二阶导数+标准化 | |||||
| 灰分 | 0.90/0.93 | 0.01/0.03 | 二阶导数 |
PUFAs:多不饱和脂肪酸 polyunsaturated fatty acids;MUFAs:单不饱和脂肪酸 monounsaturated fatty acids;Total CLAs:总共轭亚油酸 total conjugated linoleic acids;SFAs:饱和脂肪酸 saturated fatty acids;AI:动脉粥样硬化指数 atherogenic index;TI:血栓形成指数 thrombosis index;PLSR:偏最小二乘回归分析 partial least squares regression analysis;CSMWPLS:可变窗宽窗口移动偏最小二乘分析 changeable size moving window partial least square analysis;MPLSR:改进的偏最小二乘回归分析 modified partial least squares regression analysis。 |
NIRS在预测鲜乳酪中反式脂肪酸含量方面表现出了很高的准确性(决定系数=0.92),然而,在对己酸、辛酸、硬脂酸、亚油酸和亚麻酸等含量的预测方面,其准确性相对较低(决定系数<0.80),与新鲜乳酪相比,冻干乳酪对辛酸和亚油酸的定量精度更高[39]。因此,若需要准确地定量辛酸和亚油酸,可能需要对乳酪进行冷冻干燥处理。然而,也有研究认为,通过冷冻干燥处理并不能提高从新鲜乳酪中建立模型的准确性[40],这方面还需要进一步的研究来验证。研究发现,利用NIRS反向散射光纤传感器监测羊乳的凝固状态和切割时间是一种有效的方法。NIRS生成的光学参数可以反映酶活性变化引起的动力学变化,从而帮助确定切割时间。使用NIRS预测流变学确定的切割时间比目视判断更为精确,预测标准误差降低了50%[41]。因此,这种方法可以帮助羊乳酪制造商在生产过程中实现更好的产品一致性。
2.3 黄油质量分析
Meagher等[42]利用NIRS准确预测了新西兰黄油在0.5~35 ℃温度范围内的固体脂肪含量,其通过PCR和PLSR模型将NIRS与核磁共振光谱数值相结合,发现NIRS在0~30 ℃范围内表现出了出色的预测能力。这一研究为利用NIRS技术提升黄油质量提供了有力支持。Hermida等[43]在分析黄油中水分、非脂肪固体和脂肪含量时发现,NIRS可以在不对样品进行任何处理的情况下有效预测这些成分的含量;当使用线性回归和配对检验将NIRS与参考方法得到的结果进行比较,在验证集中没有发现显著差异。Dvo ák等[44]使用傅立叶变换型NIRS(FT-NIRS)仪评估了捷克市场上黄油的质量参数,发现脂肪和干物质的校准模型具有较好的预测能力(决定系数>0.90),而酸度评估的校准模型可靠性较低(决定系数<0.80),且验证模型效果较差(决定系数=0.28)。NIRS技术在黄油掺假检测中也得到了一定的应用。Mabood等[45]利用NIRS结合多元回归方法对黄油样品中掺入的牛油进行了检测和定量分析,结果表明,该技术具有稳定、无损、灵敏度高等诸多优点;此外,该方法所需的样品制备量很小,能够准确地定量澄清黄油样品中少于1.5%的牛油掺假情况。Heussen等[46]在研究中应用了NIRS和多元建模技术,旨在快速检测黄油中是否掺入廉价植物脂肪,结果显示,该技术成功预测了脂肪和C4∶0含量,其均方根误差分别在4.3%~8.2%和0.33%~0.38%范围内;虽然在评估C4∶0含量方面的表现略低于气相色谱法,但该方法具有检测时间短、快速获取C4∶0含量信息等优点。从以上信息可知,使用NIRS评估黄油质量与乳酪和液态乳类似,主要关注了水分、脂肪、非脂固形物含量和掺假等因素。在这些因素中,水分、脂肪和非脂固形物含量的预测效果较好。然而,在测定黄油酸败指标酸值方面,NIRS技术的预测效果并不理想,可能需要更多的研究来改进和优化该技术在这个方面的应用。总体来说,NIRS技术在黄油质量分析中具有一定的应用前景,但仍需不断完善和优化以提高其在各个方面的预测准确性和可靠性。
2.4 酸奶质量分析
NIRS技术在酸奶质量分析中也展现出一定的应用潜力。利用NIRS可以准确预测酸奶中的糖分和脂肪含量,决定系数均大于0.93[47-48]。在一项利用可见-近红外光谱(VIS-NIR)和化学计量学方法测定酸奶中可溶性固形物和pH的研究,发现VIS-NIR结合最小二乘支持向量机模型同样能够准确预测这2个指标,决定系数分别为0.94和0.92[49]。NIRS技术还可以用于区分不同酸奶品牌和识别掺假情况。例如,He等[50]的研究发现,通过对市售的5种酸奶品牌进行研究,利用NIRS能够有效区分不同品牌的酸奶,在主成分分析中,前2个主成分的累积贡献率可达到98%以上。Xu等[51]报道了对掺入1%(质量百分比)食用明胶、2%工业明胶和2%大豆蛋白粉的酸奶可通过NIRS进行辨别,正交投影法的灵敏度为0.90,特异度为0.95。另外,Sergi[8]使用便携式NIRS设备对天然酸奶脂肪的造假检测进行了很好的预测,PLSR模型在0~9.9%的范围内精度为0.92%[决定系数=0.98,预测均方根误差(RMSEP)=0.46]。采用FT-NIRS技术可以对酸奶的能值进行测量,相关分析表明其交互验证决定系数为0.98,均方根误差为8.92[52],表明该技术可作为酸奶能值定量的有效手段。尽管目前的研究结果显示NIRS技术在检测酸奶质量指标方面取得了一定成就,但其在酸奶品质检测和控制方面的应用还比较有限。因此,需要进一步评估NIRS技术在酸奶品质检测和控制中的应用效果,以便进一步了解其在酸奶行业中的潜在应用价值。
3 小结
总的来说,NIRS技术在乳及乳制品质量分析、掺假检测等方面已经得到广泛的应用。与传统的湿化学方法相比,NIRS技术具有快速、非破坏性和无需使用腐蚀性化学试剂的优势。同时,与采用MIR技术的设备相比,采用NIRS技术的设备成本和运行成本较低,更易于推广和应用。然而,需要注意的是,NIRS技术对水汽和光线等环境因素比较敏感,容易受到干扰。此外,由于NIRS技术的光学路径较短,其分辨率较低,对于含量较低或复杂混合物的分析可能存在一定局限性。随着科学技术的不断进步和应用领域的拓展,NIRS技术将继续发挥重要作用,为相关行业带来更多的创新和发展机会。