◆作者：周冰谷花振新楊榮 林燕貞朱文亮

◆單位：1.精益和泰質(zhì)量檢測(cè)股份有限公司；2.廣東恒興飼料實(shí)業(yè)股份有限公司

據(jù)2006-2015年中國(guó)大陸地區(qū)食物中毒特征分析統(tǒng)計(jì)發(fā)現(xiàn)，“微生物性”食物中毒事件報(bào)導(dǎo)量以及導(dǎo)致食物中毒人數(shù)均位于首位。引起食物中毒的食品微生物多樣，傳統(tǒng)的微生物檢測(cè)方法主要為生化檢驗(yàn)，操作程序繁雜，檢測(cè)周期長(zhǎng)，易導(dǎo)致食品質(zhì)量和安全監(jiān)測(cè)滯后。較為先進(jìn)的檢測(cè)方法有質(zhì)譜、核磁共振、基因芯片技術(shù)等，檢測(cè)成本相對(duì)較高。近紅外光譜技術(shù)具有無(wú)損、快速等優(yōu)點(diǎn)，在化工、農(nóng)業(yè)、醫(yī)藥、環(huán)境等領(lǐng)域發(fā)展極為迅速，它是目前世界上發(fā)展非?？焖俚姆治黾夹g(shù)之一，本文主要綜述近紅外光譜技術(shù)在食品微生物檢測(cè)應(yīng)用中的研究。

1 近紅外光譜技術(shù)

1.1 基本原理及特點(diǎn)

近紅外光譜區(qū)的波長(zhǎng)范圍在780～2526nm，近紅外光譜是由分子振動(dòng)的非諧振性使分子振動(dòng)從基態(tài)向高能級(jí)躍遷時(shí)產(chǎn)生。近紅外光譜技術(shù)利用O-H、N-H、C-H等含氫基團(tuán)化學(xué)鍵伸縮振動(dòng)的倍頻及合頻吸收近紅外光特點(diǎn)，獲得樣本光譜中承載樣本的物理、化學(xué)、生物學(xué)信息，通過(guò)將采集樣本光譜和測(cè)量參比值結(jié)合化學(xué)計(jì)量方法，進(jìn)行定標(biāo)建模，實(shí)現(xiàn)對(duì)未知樣本參數(shù)的預(yù)測(cè)。

1.2 近紅外技術(shù)檢測(cè)微生物的過(guò)程

微生物由核酸、蛋白質(zhì)等化學(xué)成分組成，其成分對(duì)近紅光進(jìn)行作用吸收，提供不同特性的光譜。微生物定標(biāo)樣本的近紅外光譜包含結(jié)構(gòu)與組成等信息，其性質(zhì)參數(shù)與其結(jié)構(gòu)、組成具相關(guān)性。因此，樣本的光譜與性質(zhì)參數(shù)的測(cè)量值也一定具有相關(guān)性，應(yīng)用化學(xué)計(jì)量學(xué)方法對(duì)其進(jìn)行關(guān)聯(lián)，確立兩者之間的定量或定性關(guān)系，完成模型后，僅需采集待預(yù)測(cè)樣本的近紅外光譜，再利用已經(jīng)建立的模型對(duì)待預(yù)測(cè)樣本的組成或性質(zhì)參數(shù)進(jìn)行預(yù)測(cè)，即為定標(biāo)建模和模型預(yù)測(cè)，如圖1。

2 在食品檢測(cè)中的應(yīng)用

2.1 食品中產(chǎn)毒真菌及其毒素的檢測(cè)

產(chǎn)毒真菌是指產(chǎn)生真菌毒素的真核細(xì)胞型微生物，其產(chǎn)生的毒素已經(jīng)鑒定有400多種，不同的真菌毒素具有不同毒性，能損傷體細(xì)胞、致畸、致癌。近紅外光譜技術(shù)可對(duì)食品中的產(chǎn)毒真菌進(jìn)行有效預(yù)測(cè)監(jiān)控，以降低經(jīng)濟(jì)損失，保證食品安全。

據(jù)聯(lián)合國(guó)糧農(nóng)組織調(diào)查估算，全球每年受真菌毒素的污染的糧食約有25%，因污染嚴(yán)重而失去商業(yè)價(jià)值的農(nóng)作物約有2%。糧食品質(zhì)保證還需科學(xué)貯藏和檢驗(yàn)監(jiān)控來(lái)護(hù)航，金昌福等（2016）應(yīng)用近紅外光譜技術(shù)建立稻谷表面霉菌的定標(biāo)模型可描述和預(yù)測(cè)稻谷表面霉菌總數(shù)在貯藏倉(cāng)內(nèi)的變化規(guī)律。沈飛等（2018）建立的稻谷中的霉菌和菌落總數(shù)進(jìn)行定標(biāo)建模，模型可快速預(yù)測(cè)早期霉變稻谷中的菌落總數(shù)和鑒別感染不同霉菌及區(qū)分不同霉變程度的稻谷樣本。

圖1 近紅外光譜分析技術(shù)過(guò)程示意圖

果蔬的保鮮期常受到真菌影響。蘋(píng)果較其他種類(lèi)更易被擴(kuò)展青霉污染，擴(kuò)展青霉素易導(dǎo)致肝臟和腎臟損傷。張亮（2010）應(yīng)用近紅外技術(shù)檢測(cè)建立蘋(píng)果中擴(kuò)展青霉及蘋(píng)果汁中展青霉素的定標(biāo)模型可進(jìn)行定性和定量分析，能將蘋(píng)果在擴(kuò)展青霉及其他不同霉菌、不同程度污染下，有效區(qū)分出擴(kuò)展青霉，檢出限為：1.5×103個(gè)/mL；不同基質(zhì)中展青霉素的檢測(cè)限分別為：濃縮蘋(píng)果汁中為9.76μg/L；鮮榨蘋(píng)果汁中為 9.54μg/L；水溶液中為9.29μg/L。胡耀華等（2014）采用多元散射校正光譜預(yù)處理方法，通過(guò)多元線(xiàn)性回歸，建立的鮮棗內(nèi)酵母菌落總數(shù)的近紅外光譜模型，并結(jié)合鮮棗的近紅外光譜，建立了鮮棗光譜吸光度值與貯藏時(shí)間的動(dòng)力學(xué)模型，可預(yù)測(cè)鮮棗在室溫下的安全貯藏期。

花生是人們喜愛(ài)堅(jiān)果，也是我國(guó)重要油料經(jīng)濟(jì)作物。但它容易受到黃曲霉污染，部分黃曲霉菌產(chǎn)生毒素，其中黃曲霉毒素B1是一種極強(qiáng)的肝毒素，可引起肝臟急性中毒和癌癥。劉鵬等（2017）建立了五種黃曲霉產(chǎn)毒菌的定標(biāo)模型，能快速檢測(cè)受霉菌污染的花生。

保健食品具有抗疲勞、提高免疫力等功效以輔助人體健康。蝙蝠蛾擬青霉和安絡(luò)小皮傘菌發(fā)酵菌粉中含多種類(lèi)似蟲(chóng)草成分。逯城宇（2017）采用近紅外光譜分析技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法，分別開(kāi)展了它們中的蟲(chóng)草酸、多糖、腺苷和蛋白質(zhì)含量同時(shí)快速檢測(cè)方法研究，模型的預(yù)測(cè)性能較好。紅曲菌也具有保健等價(jià)值，黃常毅（2014）采用氨基葡萄糖法測(cè)定生物量，應(yīng)用遺傳算法優(yōu)選光譜波段并建立了預(yù)測(cè)紅曲菌固態(tài)發(fā)酵生物量的定標(biāo)模型，所建模型能夠?qū)崿F(xiàn)紅曲菌固態(tài)發(fā)酵生物量的快速檢測(cè)。

酵母在食品中的應(yīng)用非常廣泛，為保證酵母產(chǎn)品質(zhì)量穩(wěn)定需對(duì)其生產(chǎn)過(guò)程進(jìn)行快速檢測(cè)監(jiān)控，王瑋等（2017）利用Antaris域型傅里葉變換近紅外光譜儀建立酵母菌定標(biāo)建模,同時(shí)利用極限學(xué)習(xí)機(jī)（ELM）建立酵母菌生長(zhǎng)過(guò)程4個(gè)階段的分類(lèi)模型，應(yīng)用模型進(jìn)行10次預(yù)測(cè)，其運(yùn)行的訓(xùn)練集和測(cè)試集中的平均識(shí)別率分別為98.68%和97.37%。

2.2 食源性致病菌的檢測(cè)

致病菌廣泛存在我們的生活環(huán)境中。當(dāng)人們食用被致病菌污染的食品時(shí)，人體可能會(huì)發(fā)生病變、中毒甚至突變、致癌等危害。國(guó)家相關(guān)標(biāo)準(zhǔn)對(duì)預(yù)包裝食品常監(jiān)控的致病菌有：?jiǎn)魏思?xì)胞增生李斯特氏菌、沙門(mén)氏菌、大腸埃希氏菌O157∶H7、金黃色葡萄球菌、副溶血性弧菌。

岳田利等（2010）應(yīng)用傅里葉近紅外光譜技術(shù)可準(zhǔn)確判別大腸埃希氏菌等六種標(biāo)準(zhǔn)菌株。劉建學(xué)等（2018）采用傅里葉變換近紅外光譜技術(shù)對(duì)未知樣本中3種食源性致病菌（大腸埃希氏菌O157∶H7、單增李斯特菌、金黃色葡萄球菌）進(jìn)行預(yù)測(cè)判別，正確率均達(dá)到100%。在檢測(cè)方法探索過(guò)程中，也存在一些問(wèn)題，馬凱旋（2018）采用近紅外光譜分析技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)大腸埃希氏菌O157∶H7、單增李斯特菌、金黃色葡萄球菌以及這三種細(xì)菌混合培養(yǎng)作為第四類(lèi)菌為研究對(duì)象，發(fā)現(xiàn)采集的致病菌近紅外譜圖受其濃度和培養(yǎng)時(shí)間影響較大，并干擾檢測(cè)結(jié)果，為近一步提高近紅外光譜技術(shù)在該領(lǐng)域的適用性提供了很好的參考作用。

近紅外光譜技術(shù)已應(yīng)用到牛奶中的致病菌檢測(cè)，王建明等（2016）利用傅里葉變換近紅外光譜技術(shù)采集被阪崎腸桿菌、金葡萄球菌、大腸桿菌三種致病菌污染的牛奶樣本，結(jié)合多元散射校正對(duì)光譜進(jìn)行預(yù)處理，并結(jié)合偏最小二乘判別分析建立的定標(biāo)模型，預(yù)測(cè)性能理想。

2.3 致食品腐敗的微生物檢測(cè)

食品的可食期受環(huán)境和微生物的影響較大，特別是生鮮農(nóng)產(chǎn)品等，具有易腐敗、季節(jié)性和地域性的特點(diǎn)，產(chǎn)后貯藏保鮮以及冷鏈物流等技術(shù)水平不足，腐敗變質(zhì)情況嚴(yán)重。研究表明，生鮮食品在化學(xué)、內(nèi)源酶及微生物作用下降低或失去營(yíng)養(yǎng)和商品價(jià)值，由微生物引起的腐敗變質(zhì)是重要原因之一。

在掌握畜禽肉類(lèi)貨架期方面，快速無(wú)損檢測(cè)方法凸顯優(yōu)勢(shì)，熊來(lái)怡（2012）通過(guò)零級(jí)模式動(dòng)力學(xué)模型及主成分分析提取豬肉在室溫和冷藏溫下貯藏時(shí)的近紅外光譜特征值，分別建立菌落總數(shù)的動(dòng)力學(xué)模型和其與近紅外光譜間的動(dòng)力學(xué)模型。從而可利用近紅外光譜技術(shù)實(shí)現(xiàn)無(wú)損檢測(cè)豬肉的細(xì)菌菌落總數(shù)并預(yù)測(cè)其貯藏期。張累蕾等（2013）將可見(jiàn)光譜與近紅外光譜技術(shù)結(jié)合（400～1100 nm），對(duì)冷卻肉中菌落總數(shù)和顏色進(jìn)行定標(biāo)建模，所建定標(biāo)模型能準(zhǔn)確檢測(cè)冷卻肉細(xì)菌總數(shù)。郭中華等（2014）將近紅外高光譜圖像技術(shù)和化學(xué)計(jì)量方法結(jié)合研究了冷鮮羊肉表面的細(xì)菌總數(shù)的近紅外檢測(cè)方法，發(fā)現(xiàn)徑向基函數(shù)人工神經(jīng)網(wǎng)模型預(yù)測(cè)效果最好。雞肉加工過(guò)程中常受到蓋氏假單胞菌等的污染，影響雞肉品質(zhì)，陳全勝等（2017）應(yīng)用近紅外技術(shù)對(duì)污染蓋氏單胞菌的肌肉進(jìn)行定標(biāo)建模，其訓(xùn)練集和預(yù)測(cè)集的識(shí)率分別為99.17%和95.00%。

在水產(chǎn)品品質(zhì)檢測(cè)方面，段翠等（2014）以便攜式近紅外光譜儀為硬件，以牙鲆、鱸魚(yú)、三文魚(yú)為研究對(duì)象，將這三種分別各采集90組樣本光譜，結(jié)合樣本測(cè)量值進(jìn)行定標(biāo)建模，再用30組樣本數(shù)據(jù)用于模型驗(yàn)證，20組實(shí)際樣本數(shù)據(jù)用于性能驗(yàn)證，均取得良好效果。

雞蛋內(nèi)部品質(zhì)在無(wú)損檢測(cè)領(lǐng)域得到填補(bǔ)，趙楠等（2019）應(yīng)用近紅外光譜技術(shù)對(duì)雞蛋內(nèi)部污染程度的可視化研究，根據(jù)雞蛋內(nèi)部污染程度及光譜特性的差異，建立了雞蛋內(nèi)部污染程度偽彩色圖像，采用支持向量機(jī)（SVM）結(jié)合樣本中菌落總數(shù)的光譜信息進(jìn)行定標(biāo)建模，模型能較好預(yù)測(cè)雞蛋中的菌落總數(shù)。

大腸菌群是評(píng)價(jià)食品質(zhì)量衛(wèi)生指標(biāo)之一，劉建學(xué)等（2006）對(duì)原料乳中大腸菌群的測(cè)定原理與方法進(jìn)行了研究，采用基于余弦相似度因子分析結(jié)合偏最小二乘回歸分析的近紅外光譜方法進(jìn)行定標(biāo)建模后進(jìn)行模型預(yù)測(cè)，結(jié)果顯示預(yù)測(cè)模型顯著。

脂環(huán)酸芽孢桿菌等耐熱細(xì)菌是影響果汁生產(chǎn)的質(zhì)量安全的主要微生物，王若男等（2015）應(yīng)用傅里葉變換近紅外技術(shù)對(duì)脂環(huán)酸芽孢桿菌屬內(nèi)種間的7株不同的標(biāo)準(zhǔn)菌株進(jìn)行定標(biāo)建模，模型能100%準(zhǔn)確判別標(biāo)準(zhǔn)菌類(lèi)型。將上述建模的樣本混入分離菌后再次定標(biāo)建模，對(duì)15個(gè)樣本進(jìn)行預(yù)測(cè)以驗(yàn)證模型的穩(wěn)健性和實(shí)用性，預(yù)測(cè)準(zhǔn)確率為86.67%。

3 問(wèn)題與建議

近紅外光譜技術(shù)的定標(biāo)模型的建立面臨較多的問(wèn)題。首先，需采集大量的樣本光譜與樣本的測(cè)量參比值，樣本量的多少、測(cè)量參比值的準(zhǔn)確度直接影響到其定標(biāo)模型代表性、穩(wěn)定性和準(zhǔn)確性，前期定標(biāo)建模需要耗費(fèi)大量精力與時(shí)間；其次，近紅外檢測(cè)技術(shù)是一種間接測(cè)量技術(shù)，前期選擇樣本的代表性和測(cè)量參比值的準(zhǔn)確性以及選擇合適計(jì)算模型非常重要，而且采集到不同類(lèi)型的食品微生物的近紅外光譜信息特征各異，食品微生物種類(lèi)繁多等；最后，在采集樣本的光譜過(guò)程中，樣本的基質(zhì)不同，其中混合其它微生物的種類(lèi)和量不同均對(duì)其有干擾，影響模型的準(zhǔn)確度和檢測(cè)限。這些問(wèn)題導(dǎo)致定標(biāo)建模困難，有待在這方面進(jìn)行深入的研究。

要解決這些問(wèn)題，可通過(guò)權(quán)威組織聯(lián)合進(jìn)行共享資源，不僅能快速?gòu)?qiáng)大采集食品微生物的近紅外光譜和其對(duì)應(yīng)實(shí)測(cè)數(shù)據(jù)的數(shù)據(jù)庫(kù)，還降低人力、物力、財(cái)力、信息、時(shí)間等成本，實(shí)現(xiàn)參與者共贏(yíng)。近紅外光譜區(qū)的波長(zhǎng)范圍在780～2526nm之間，使得近紅外光譜技術(shù)在食品微生物檢測(cè)中存在一定的局限，可結(jié)合可見(jiàn)光光譜技術(shù)和遠(yuǎn)紅外光譜技術(shù)等進(jìn)行應(yīng)用，以改善弊端，擴(kuò)大優(yōu)勢(shì)。

4 結(jié)語(yǔ)與展望

近紅外光譜檢測(cè)具有方便、快速、無(wú)損、多組分檢測(cè)準(zhǔn)確和同時(shí)進(jìn)行等優(yōu)點(diǎn)，適用領(lǐng)域眾多，具有廣闊的應(yīng)用前景。盡管其在前期定標(biāo)建標(biāo)階段投入成本較大，但這個(gè)成本與后期應(yīng)用時(shí)間長(zhǎng)短成反比關(guān)系，從長(zhǎng)遠(yuǎn)來(lái)看，綜合成本持續(xù)下降的。相信在不久的未來(lái)，近紅外光譜技術(shù)在食品微生物快速檢測(cè)技術(shù)領(lǐng)域中占據(jù)越來(lái)越重要地位，促使食品微生物快速檢測(cè)技術(shù)領(lǐng)域邁上一個(gè)新的臺(tái)階。