光谱技术论文范文

写论文没有思路的时候，经常查阅一些论文范文，小编为此精心准备了《光谱技术论文范文(精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。摘要：在农畜产品、果蔬食品等各类食品检测方面，应用光谱分析技术可以取得理想成效。基于此，对光谱和光谱成像技术展开了分析，探究了近红外光谱、高光谱成像等不同光谱技术在食品检测中的应用情况，进一步把握技术应用简便、准确率高等优势，希望能够推动食品检测技术的发展。

第一篇：光谱技术论文范文

近红外光谱技术在水产养殖行业的应用进展

摘要：介绍了近红外光谱分析技术(NIR)的原理与特点，综述其在水产养殖业中育种育苗、养殖水水质监测和水产苗种饲料方面的应用现状，对近红外光谱分析技术在水产养殖业应用中出现的问题进行分析，并对其应用规模预测和发展前景展望。

关键词：近红外光谱;水产养殖;应用;模型

中国是世界水产养殖大国。作为世界上从事水产养殖历史最悠久的国家之一，自改革开放以来，在以养为主的发展方针指导下，我国水产养殖业发展迅猛，产业布局变化巨大，从传统养殖区(沿海地区和长江、珠江流域等)逐步扩展至全国各地。水产养殖已成为推动我国农村经济发展的重要动力之一。然而，由于水体污染日趋严重，大量的围湖造田造成湖泊沼泽化，再加上投料过剩、排泄物积累等问题，导致养殖水域环境条件不断恶化，水产资源遭到不同程度的污染和破坏，生态环境逐步恶化[1]。此外，由于生长环境、养殖工艺、养殖密度以及加工等环节存在的各种问题，造成某些水产品不同程度地受到包括重金属、化学农药、抗生素、饲料添加剂和激素残留物的污染，养殖种质退化、病害泛滥等问题更是层出不穷，这些问题已严重影响到水产养殖业的健康发展。开展水产养殖过程中的实时快速监测现已成为关注的重点问题。

近红外光谱分析技术(NIR)作为现代最有应用前途的快速分析技术之一，世界各国都有投入专门的科研力量从事相关方面的研究。我国从20世纪80年代后期开始首次尝试研发了应用在粮食饲料方面的近红外分析仪，而后相继开展近红外光谱技术的研究和应用工作，到90年代后期逐渐应用到农业、石油化工、生物制药、纺织、食品和烟草等多个领域。在计算机技术、化学计量学的不断进步和带动下，近红外技术得到快速发展。近红外光谱分析技术应用在水产领域的时间不算太长，主要多集中于水产品品质及其质量安全方面的研究，但考虑到近红外光谱分析技术的操作方便、分析成本低、无损、高效、环保等特点，其在水产养殖领域也具有广阔的应用前景。

1近红外光谱技术的原理及特点

1.1近红外光谱技术的原理

通常，分子基频振动产生的吸收谱带位于中红外区域(400～4000cm-1)，分子基频振动的倍频和组合频产生的吸收带位于近红外区域，美国ASTM(AmericanSocietyofTestingMaterials，美国材料检测协会)将近红外谱区定义为4000～14285cm-1(700～2500nm)，近红外区域又被划分成短波近红外区(700～1100nm)和长波近红外区(1100～2500nm)。近红外光谱主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，反映的是包括含氢基团(如CH-、-OH、NH-、SH-、PH-等)振动的倍频和合频吸收的信息。在不同化学环境中不同基团(如甲基、亚甲基、苯环等)或同一基团的近红外吸收波长与强度都有显著差异。所以通过近红外光谱可以得到样品中所有有机分子含氢基团的特征信息，能同时检测多种有机分子。不同的物质在近红外区域有着特定且丰富的吸收光谱，为近红外光谱分析样品提供了基础。

近红外光谱分析技术包括定性分析和定量分析，定性分析是为了确定物质的结构与组成，而定量分析则是为了确定物质中某些组分的含量(如水分、脂肪、蛋白质等)或是物质的品质属性的值(如密度、硬度、酸度等)。與传统的化学分析方法不同，近红外光谱技术是用统计的方法在样品待测属性值与近红外光谱数据之间建立一个校正模型。校正模型的建立需要前期搜集一定量有代表性的校正样品，获得用近红外光谱仪器测得的样品光谱数据和用化学分析方法测得的真实数据，通过化学计量学进行处理，建立光谱与待测参数之间的对应关系。因为样品的组成相同，则其近红外光谱也相同，那么只要测得样品的近红外光谱，通过光谱数据和上述对应关系，就能很快得到所需要的参数数据。

1.2近红外光谱技术的特点

作为一种现代的间接分析技术，近红外光谱分析技术必须通过建立校正模型来实现未知样品的定量或定性分析。它的分析过程主要包括样品采集光谱、光谱预处理、样本集划分、特征波段提取优化、建立模型、修正模型等几个步骤。与传统的分析技术相比，近红外光谱分析技术在分析测试中具有独特的优越性。

1.2.1样品无损检测样品无需进行前处理，无需化学试剂参与反应，因此样品无损耗，测定后仍可用做其他用途。这样既节约成本费用，又能避免污染环境。

1.2.2测定速度快不用称样，样品无损，且能够连续多次测定，只需几秒钟就能完成多个指标的检测，大大提高了工作效率。

1.2.3操作简单仪器可以针对客户需求任意设计生成操作方案，对操作人员要求低，避免了传统分析带来的误差，重现性好、成本低。

1.2.4多组分多通道同时测定近红外光谱属于分子振动光谱，原则上只要含有CH-、-OH、NH-等能产生近红外光谱的物质均存在近红外光谱分析的可能，在实际应用时可以不断拓展测定指标，且可以多指标同时测定。

2近红外光谱技术在育种育苗方面的应用

目前，近红外光谱技术尚未普及到水产生物遗传育种范围，这也预示着其广阔的市场前景。Norris等[2]曾尝试通过近红外光谱分析手段来选育鲑鱼肉质性状;Brown[3]通过近红外光谱技术来分析长牡蛎肉质成分，并建立了快速分析模型来揭示肉质成分的变化与环境和生长状态的差异;Wang等[4]利用118个长牡蛎干样肉质样本建立近红外模型，实现了糖原和蛋白质成分含量的快速预测;黄冠明等[5]利用6个产地的105份葡萄牙牡蛎样本建立近红外模型，能够较准确地预测葡萄牙牡蛎中蛋白质、糖原、牛磺酸、锌、硒、钙的含量，对选育肉质性状佳的新品系葡萄牙牡蛎具有重要意义;于颖等[6]应用傅里叶变换近红外光谱仪和氨基酸分析仪两种分析方法定量分析牡蛎中氨基酸含量，结果证实傅里叶变换近红外光谱仪法的测定重复性更好;王卫军等[7]采用傅里叶变换近红外(FT-NIR)光谱技术，研究了近红外光谱技术预测长牡蛎鲜样组织中水分、糖原、总蛋白质、总脂肪、锌、硒、牛磺酸和灰分8种成分含量的可行性;李尚俊[8]用便携式近红外光谱仪和傅里叶变换式近红外光谱仪分别对仿刺参多糖、蛋白质、脂肪、灰分、皂苷、锌和硒7种品质成分进行建模，比较发现傅里叶变换式近红外光谱仪建模的各参数更优，且蛋白质、锌和硒预测效果最理想。目前未见近红外光谱技术在鱼类、虾类和蟹类育种方面的相关研究报道。上述关于近红外光谱技术在贝类和参类育种方面的研究报道必将对未来近红外光谱技术在整个水产生物育种领域的应用推广具有一定的借鉴意义。

3近红外光谱技术在养殖水水质监测方面的应用

水产养殖的过程中，水质环境的监测是极为重要的一环。水作为水生生物依赖的生存环境，通过对其监测可以判断是否需要相应调整水产苗种的养殖环境，使水产苗种更好地生长。养殖过程中缺乏病害预警机制与预防策略，水质实时监测与报警比较落后，这些问题在我国水产养殖中普遍存在，而水质监测技术的应用可以提高养殖过程的安全性，因此快速、准确、无污染、低能耗的监测技术是目前水产养殖过程中的主要研究课题之一。目前的近红外光谱技术尚处于生活污水、湖泊、河流和海洋等水质监测研究中，在养殖水水质监测中缺乏尝试。

3.1水质N、P的快速分析

张诚飚和刘宏欣等[9-10]证明了基于近红外方法分别利用人工神经网络(ANN)和逐步段元线性回归(SMLR)+偏最小二乘(PLS)法无损定量分析地表水中总氮含量的可行性。关于总磷，早在2000年，Dbakk等[11]就尝试了采用近红外光谱技术测定了湖水中的總磷等参数。随后刘宏欣等[12]还利用逐步段元线性回归(SMLR)方法研究了地表水水样中总磷含量与水样的近外光谱之间的对应关系。杜艳红等[13]采用近红外光谱技术建立了生活污水水样中氨氮浓度与其吸收光强的定量分析模型。

3.2水质化学需氧量(COD)、生化需氧量(BOD)的测定

2002年Stephens等[14]在测定宾夕法尼亚州立废水处理厂废水时，发现用近红外/可见光谱技术建立的生化需氧量(BOD)预测模型，可以实时对单一废水源的生化需氧量(BOD)含量快速预测。2004年，WangYunpeng等[15]利用遥感卫星监测水库水质变化时，发现与传统的标准测量方法相比，用可见/近红外光谱分析技术测得的生化需氧量(BOD)和化学需氧量(COD)等指标相关性较高。随后几年，何金成等[16-17]、杨琼等[18]和徐立恒[19]分别以废水和河水为实验对象，在大量实验数据的基础上建立了生化需氧量(BOD)和化学需氧量(COD)含量的近红外预测模型，且实际测量效果良好。陈维维等[20]通过优化波段、波长点数、偏最小二乘(PLS)因子个数等最终确定了废水中化学需氧量(COD)含量的近红外优化模型。粟晖等[21]通过分析近红外谱图中不同波长的光密度强度和分布，克服饱和链烃小分子有机物在紫外光谱区域弱吸收响应，模拟出生化废水中化学需氧量(COD)含量测定的定量分析校正模型。

3.3水质pH值的测定

关于近红外光谱应用于水质pH值的测定方面，1992年Korsman等[22]论证了应用近红外反射谱法测量湖水pH值的可行性。杜艳红等[23]在2012年水质实验中发现pH值分别在波长564nm、670nm和732nm处有特征峰存在，且水质pH值与其吸收光强呈显著的正相关，验证了近红外光谱技术用于水质pH值预测的可行性。

3.4水体中重金属离子的测定

NingYu等[24]以基灰石为水样吸附剂富集水体中的重金属离子，并采用近红外光谱技术进行同步分析，建立的近红外校正模型对几种重金属离子的预测效果各不相同，其中模型对Cu2+和Cr3+的预测精度最好。水样吸附剂与不同重金属离子之间的相互作用机理尚待研究。

笔者认为近红外光谱分析技术的特点及其在水质监测领域中的应用现状，可以很好地预示其未来在养殖水水质监测方面的应用前景。

4近红外光谱技术在苗种饲料方面的应用

4.1饵料藻类应用

饵料生物的培养在水产养殖育苗中是关键性环节。单细胞藻类是鱼、虾、贝类等苗种生产的天然基础活饵料，所以这部分微藻也被称为“饵料藻”。单细胞藻类作为水产动物的基础活饵料，同时也对改良水质、控制菌群、减少病害起到至关重要的作用。常作饵料的微藻有金藻类(如钟罩藻)、硅藻类(如舟形藻)、甲藻类(如角甲藻)、蓝藻类(如鱼腥藻和螺旋藻)、绿藻类(如栅藻、小球藻和衣藻)等。因其遗传特性、培养成本高、消化吸收率低等的影响与限制，生产中时常出现供不应求的局面。因此探索高效的培养饵料藻类新技术，对提高我国水产养殖业的整体水平具有重要的现实意义。目前，已有研究报道过亚心形扁藻[25]、雨生红球藻[26]、螺旋藻[27]中叶绿素、蛋白质等成分的近红外特征光谱，可应用于饵料藻类生长状况变化的监测，进而为饵料藻类研究提供一种快速、实时、无损的检测方法。

4.2饲料常规成分检测

目前我国使用的水产苗种饲料常规成分有水分、灰分、粗蛋白、粗纤维等。20世纪90年代开始，我国逐步对近红外光谱法的研究和实践，先后完成了饲料中各项指标的检测工作，均取得良好成效。我国在2002年发布的GB/T18868-2002[28]中详细描述了水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸和蛋氨酸的近红外定标模型的建立方法，此标准适用于各种饲料原料和配合饲料中水分、粗蛋白质、粗纤维和粗脂肪，各种植物性蛋白类饲料原料中赖氨酸和蛋氨酸的测定，最低检出限达到0.001%。为了加强近红外光谱法在饲料中的应用效果，在国标的基础上，宋军[29]运用湿化学分析数据，研究建立了国产鱼粉、进口鱼粉和豆粕样品在近红外光谱仪上的17种氨基酸预测模型(不含色氨酸)，大大提高了饲料氨基酸指标测定的效率。

5问题与展望

随着近红外光谱分析技术的不断发展以及国家对水产养殖行业的持续关注，近红外光谱分析技术在水产养殖行业将得到越来越广泛的运用。但是，由于水产品本身成分复杂，易受到产地、生长周期等影响，养殖水水质也会随季节、气候、污染等发生变化，这就可能会导致近红外光谱预测模型效果不好，因此需要收集尽可能多的、具有代表性的样本来建模。此外，由于近红外光谱区的吸收强度较弱，吸收带较宽，重叠严重且灵敏度相对较低，在提高预测模型精度、改善模型的自适应能力等方面需要加深研究。笔者认为可以考虑从光谱数据的预处理、特征波长的提取和建模方法三方面重点研究。常见的光谱数据预处理方法有平滑、小波变换(WT)和傅里叶变换(FT)等，可以有效消除基线漂移和其他背景的干扰，减弱各种非目标因素对光谱的影响。常见的光谱特征波段选择方法包括竞争性自适应重加权采样法(CARS)、连续投影算法(SPA)、主成分分析、逐步回归法等，能够去除冗余变量和无信息变量，提高光谱分析效率。近红外光谱建模常用的算法有偏最小二乘、人工神经网络、最小二乘支持向量机等。其中，偏最小二乘是线性建模算法，常用于建立近红外光谱数据与待测物质之间具有线性相关的模型，在水产品育种育苗和苗种饲料方面应用较多，人工神经网络和最小二乘支持向量机是非线性建模算法，常用于建立近红外光谱数据与待测物质之间具有非线性相关的模型，多应用于养殖水水质监测方面。进一步加强光谱预处理，优化提取特征波段，创新更有效的建模算法，将会成为近红外光谱分析技术在水产养殖行业应用的研究重点。随着更多相关指标纳入近红外光谱分析的范畴和预测模型的不断扩充和修正，近红外光谱分析技术在水产养殖领域将有更加广阔的应用空间。

参考文献：

[1]黄硕琳，唐议.渔业管理理论与中国实践的回顾与展望[J].水产学报，2019，43(1)：211-231.

[2]NORRISAT，CUNNINGHAMEP.EstimatesofphenotypicandgeneticparametersforfleshcolourtraitsinfarmedAtlanticsalmonbasedonmultipletraitanimalmodel[J].LivestockProductionScience，2004，89：209-222.

[3]BROWNMR.Rapidcompositionalanalysisofoystersusingvisible-nearinfraredreflectancespectroscopy[J].Aquaculture，2011，317：233-239.

[4]WANGWJ，YANGJM，LIQ，etal.DevelopmentofcalibrationmodelsforrapiddeterminationofchemicalcompositionofPacificoyster(Crassostreagigas)bynearinfraredreflectancespectroscopy[J].JournalofShellfishResearch，2015，34(2)：303-309.

[5]黃冠明，郭香，祁剑飞，等.葡萄牙牡蛎(Crassostreaangulata)六种化学成分近红外定量模型的建立[J].光谱学与光谱分析，2020，40(5)：1509-1513.

[6]于颖，宋金明，俞立东，等.牡蛎中氨基酸的傅里叶变换近红外光谱法快速定量测定[J].海洋科学，2016，40(12)：1-7.

[7]王卫军，杨建敏，董迎辉，等.长牡蛎(Crassostreagigas)鲜样组织八种成分含量近红外(NIR)模型的建立[J].海洋与湖沼，2015，46(4)：845-852.

[8]李尚俊.仿刺参多种成分含量近红外模型的建立[D].上海：上海海洋大学，2017.

[9]张诚飚.NIRS-ANN无损定量分析水质监测中总氮的研究[J].科技信息，2009(26)：379-380.

[10]刘宏欣，张军，王伯光，等.水中总氮的无损快速分析[J].光学精密工程，2009，17(3)：525-530.

[11]DBAKKE，NILSSONM，GELADIP，etal.InferringlakewaterchemistryfromfilteredsestonusingNIRspectrometry[J].WaterResearch，2000，34(5)：1666-1672.

[12]刘宏欣，张军，王伯光，等.水质监测中总磷无损的近红外光谱分析研究[J].分析科学学报，2008，24(6)：664-666.

[13]杜艳红，杨岗，卫勇，等.基于可见-近红外光谱的水质中氨氮的分析[J].天津农学院学报，2010，17(3)：26-28.

[14]STEPHRNSAB，WALKERPN.Near-infraredspectroscopyasatoolforreal-timedeterminationofBOD 5forsingle-sourcesamples[J].TransactionsoftheASAE，2002，45(2)：451-458.

[15]WANGYP，XIAH，FUJM，etal.WaterqualitychangeinreservoirsofShenzhen，China：detectionusingLANDSAT/TMdata[J].ThescienceoftheTotalEnvironment，2004，328(3)：195-206.

[16]何金成，杨祥龙，王立人，等.基于近红外光谱法的废水COD、BOD、pH的快速测定[J].环境科学学报，2007，27(12)：2105-2108.

[17]何金成，杨祥龙，王立人.近红外光谱透射法测量废水化学需氧量(COD)的光程选择[J].红外与毫米波学报，2007，26(4)：317-320.

[18]杨琼，胡蓉，张书然，等.近红外光谱法同时测定废水中化学需氧量和生化需氧量[J].理化检验：化学分册，2010，46(3)：266-269.

[19]徐立恒.近红外光谱法快速测定水体有机污染物的方法研究[J].分析试验室，2008，27(S1)：448-450.

[20]陈维维，潘涛，廖辛炎.污水化学需氧量近红外光谱分析的波段选择[J].佳木斯：佳木斯大学学报：自然科学版，2011，29(3)：370-371+378.

[21]粟晖，姚志湘，黎国梁，等.生化废水COD的近红外光谱法测定[J].光谱实验室，2011，28(6)：3040-3043.

[22]KORSMANT，NILSSONM，OEHMANJ，etal.Near-infraredreflectancespectroscopyofsediments：ApotentialmethodtoinferthepastpHoflakes[J].EnvironmentalScience&Technology，1992，26(11)：2122-2126.

[23]杜艳红，张伟玉，杨仁杰，等.基于可见-近红外光谱的水质pH值分析[J].湖北农业科学，2012，51(3)：612-614+620.

[24]NINGY，LIJH，CAIWS，etal.Simultaneousdeterminationofheavymetalionsinwaterusingnear-infraredspectroscopywithpreconcentrationbynano-hydroxyapatite[J].SpectrochimicaActaPartA：MolecularandBiomolecularSpectroscopy，2012，96(10)：289-294.

[25]王丽姜.激光辐照亚心形扁藻生物学效应[D].福州：福建师范大学，2006.

[26]周宏，方蕙，潘健，等.浸入式可见/近红外光谱的雨生红球藻叶绿素含量研究[J].光谱学与光谱分析，2017，37(11)：3375-3378.

[27]蒋璐璐，魏萱，谢传奇，等.可见-近红外光谱的螺旋藻生长品质指标快速无损检测[J].光谱学与光谱分析，2018，38(8)：2493-2497.

[28]全国饲料工业标准化技术委员会，饲料中水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸、蛋氨酸快速测定近红外光谱法：GB/T18868-2002[S].北京：中国标准出版社，2003：1-6.

[29]宋軍.鱼粉和豆粕氨基酸快速测定方法研究[D].西安：西北农林科技大学，2020.

Applicationprogressofnearinfraredspectroscopyinaquaculture

CHENYing，WANGLu，SHANGHongxin，XUYan

(DalianModernAgriculturalProductionDevelopmentServiceCenter，DalianFisheriesTechnicalExtensionStation，Dalian116023，China)

(收稿日期：2021-09-08;修回日期：2021-11-15)

作者：陈颖 王璐 尚宏鑫 许岩

第二篇：光谱和光谱成像技术在食品检测中的应用分析

摘 要：在农畜产品、果蔬食品等各类食品检测方面，应用光谱分析技术可以取得理想成效。基于此，对光谱和光谱成像技术展开了分析，探究了近红外光谱、高光谱成像等不同光谱技术在食品检测中的应用情况，进一步把握技术应用简便、准确率高等优势，希望能够推动食品检测技术的发展。

关键词：光谱分析;光谱成像技术;食品检测

随着物质生活水平的提升，人们广泛关注食品安全问题。而按照传统的食品检测流程，需要在实验室环境中采取各种检测技术手段，处理流程烦琐，需要耗费较长时间，成本较高，给食品安全管理带来了困难。光谱和光谱成像技术的出现，能够做到快速完成食品无损检测，逐步发展为主要的应用技术。

1 光谱和光谱成像技术

随着现代光学技术的快速发展，光谱检测技术应运而生，它能够利用不同波段开展检测工作，并通过获取图像信息和提取特征信息建立定量关系模型，实现快速、无损、高效、低成本的检测。现阶段，常用的光谱和光谱成像技术包含多种，如近红外光谱技术、高光谱成像技术、荧光光谱技术、拉曼光谱技术等，采取的技术手段存在一定差异，也拥有各自的特点，如表1所示。根据不同的检测需求，选取适合的光谱技术。

2 食品检测中的光谱分析技术应用

2.1 近红外光谱技术应用

作为常见光谱技术，近红外光实际为电磁波，可用于物质定量分析和结构加工处理，在不同结构物质中呈现不同传播特性。对食品进行检测，可以根据特点函数关系对样本结构和特性展开定性和定量分析，根据性质变化区分不同组分，生成光谱模型[1]。通过与已知光谱比较，能够完成模型校正，获得食品检测数据。凭借良好传导性，近红外光谱可用于食品生产过程中开展多通道检测，加强各节点的食品质量把控，不会给食品物质结构带来伤害。无需预处理，可以提高检测效率，同时设备维护成本和能耗均较低，不会给周围环境带来影响，属于绿色检测技术，符合食品绿色生产加工要求[1]。

在食品检测领域，该技术多用于酒类、酿造类食品检测。如检测酒类食品中的乙醇、苯酚等含量，能够对最佳酿造时间进行科学预测。在啤酒产品检测中，可以测定还原糖、乙醇等物质含量，确认能否达到食品生产标准。食用醋成分较为复杂，采用传统检测技术需要对样品进行预处理，完成复杂检测步骤，但应用近红外光谱技术能够快速完成还原糖、总氨等成分测定。此外，该技术也可以用于乳制品、肉制品的检测。如检测牛乳制品，可以利用鉴别模型对食品中的营养含量进行评估，并确定还原奶含量，完成食品掺假鉴别。对牛肉等肉制品进行检测，可以通过光谱分析获得物质含量数据，用于判断食品嫩度、脂肪酸等情况，并完成药物残留超标检测，保证食品质量。

但近红外光谱技术容易受样本所处环境和测定条件干扰，对多组分进行检测时可能出现谱峰重叠情况。因为在检测过程中，一个基因可能被多个波长吸收，导致测定精度与样本性质密切相关，最终造成检测结果准确度受到影响。因此用于食品检测，还应补充较多已知样本光谱模型，有效提高检测结果准确性[2]。

2.2 高光谱成像技术应用

高光谱成像技术拥有较高分辨率，成像清晰，可以保证获得的数据精确可靠，最早用于地质勘探。从原理上来看，将光谱探测与成像技术结合在一起，能够同时获取待测物光谱信息和空间图像特征，达到对待测物质进行定性、定量分析的目标[2]。①在食品检测方面，能够用于食品新鲜类、污染、水分等各方面检测，为食品分级、分类管理提供支持。②在食品新鲜检测上，应用该技术可以对冷冻、冷藏处理的鳕鱼等食品进行检测，根据肌红蛋白和血红蛋白的不同光谱表现获得可靠的检测效果，为食品品质判定提供依据。③在果蔬类食品检测上，可以对各种高光谱成像数据进行分辨，如用于芒果隐性损伤检测，能够达到97%以上的准确度。④在食品污染监测上，可以对鸡肉、猪肉等各种肉类食品进行在线检验，确定假单胞菌等细菌数量，通过筛选有效波长展开分析获得准确结果，判断食品细菌繁殖情况。⑤对谷物类食品开展检测，不同于酶联免疫吸附等传统检测技术需要完成复杂检测步骤，应用高光谱技术可以实现降维分析，如在玉米真菌检测方面可以使用最小显著差检验方法，可达到95%的置信水平。此外，应用高光谱技术也能对肉类水分、pH等信息进行检测，如对牛羊肉中的蛋白质、含水量等进行检验，反映食品质量情况[3]。

作为综合替代方法，高光谱成像可以获得丰富待测样品信息，并结合信息与参考值间的关系进行科学分析，提供详细成分、含量等数据，做到快速、精准地生成食品检测报告。凭借结果精准、无损、覆盖全面等优势，该技术近年来在食品检测领域应用日渐广泛。

2.3 其他光谱技术的应用

在食品检测方面，也可以应用荧光光谱技术，通过偏振光对荧光分子进行激发，根据分子发射的波长和激光辐射波长进行物质检测。如在肉类食品检测上，可以利用该技术对鸡肉等肉制品嫩度、弹性等实施检测，并为肉色分级提供支持。418.3～478.9 nm等波段是特殊波段，可以使用偏最小二乘法建立模型，分析获得鸭肉嫩度信息。对黄酒、葡萄酒等食品进行检测，可以根据三聚氰胺等人工合成添加剂的荧光光谱特性进行检测，在无损条件下准确测定物质含量。该方法的灵敏度较高，在有机化合物检测上优势显著，但目前在食品检测领域应用较少，尚未得到广泛、深入研究[4]。

采用拉曼光谱技术对果蔬类食品的胡萝卜素等营养物质含量进行测量，无需预处理过程，能够完成样品的快速分析，具有较高的灵敏度。从相关研究来看，应用该技术可以对果蔬类、谷物类食品的农药残留进行检测，如采用主成分回归分析、多元线性分析等方法可以对氧乐果含量进行测量。针对脐橙等水果表面混合农药残留进行检测，主要能够完成定性分析。在定量分析方面，需要建立预测模型进行空间分布可视化处理，要求建立较好的分析模型[5]。

在食品中苏丹红等添加剂检测方面，太赫兹波谱技术成为了研究热点，频率范围在0.1～10 THz，能够利用量化计算方法建立食品添加剂指纹谱数据库，为相关物质检测提供依据。针对奶粉等食品进行检测，也可以对山梨酸钾、苯甲酸等物质进行光谱探测，将获得的信号转变为时域或频域光谱进行分析，根据不同物质光谱特征进行分辨。该技术具有透视性、安全性等特点，在食品安全领域拥有一定发展前景。

3 结语

开展食品检测工作，需要根据不同检测目的对不同组分、物质等进行检测，而光谱成像技术可以提供多元化检测手段，满足不同检测要求。在实践工作中，可以根据食品加工质量管控、分级分类检测等不同需求选取适合的检测技术，通过建立科学的模型获得准确检测结果，充分体现光谱分析技术在食品检测领域的应用价值。

参考文献

[1]齐伟杰.现代近红外光谱分析在食品检测中的應用[J].中国食品，2021（16）：124-125.

[2]王平.高光谱成像技术在食品安全检测与控制中的应用[J].现代食品，2020（12）：226-228.

[3]马骥.基于高光谱成像技术的加工猪肉品质快速检测方法研究[D].广州：华南理工大学，2019.

[4]吴阳.高光谱成像技术在食品品质无损检测中的应用初探[J].科学技术创新，2018（17）：58-59.

[5]董泳江.光谱和光谱成像技术在食品检测中的应用研究[D].杭州：浙江大学，2017.

作者：徐颖

第三篇：傅里叶变换红外光谱技术在植物学中的应用

摘要综述了傅里叶红外光谱技术的工作原理及其在生物大分子、亲缘地理学和生理学上的应用，指出了傅里叶红外光谱技术今后的发展方向，为傅里叶红外光谱技术在植物学领域的研究提供借鉴。

关键词傅里叶红外光谱技术;生物大分子;亲缘地理学;植物生理

Application of FTIR Technology in Botany Research

ZU Yun， LIU Chang， FANG Yanming*

(College of Biology and the Environment， Nanjing Forestry University， Nanjing， Jiangsu 210037)

Key wordsFourier transform infrared spectroscopy;Biological macromolecules;Affinity geography;Plant physiology

作者简介左云(1990—)，女，江苏宿迁人，硕士研究生，研究方向：植物学。*通讯作者，教授，博士生导师，从事植物学研究。

收稿日期2017-05-24

傅里叶红外光谱技术(FTIR)应用十分广泛，几乎涉及到自然科学的每个领域，如化工、食品、医藥、环境、气象、文物鉴定、质量监控、地质等[1]。近年来，FTIR也越来越多地被应用到植物学领域。不同的化学成分具有不同的红外光谱，傅里叶变换红外光谱根据这个特性，能够进行快速准确的辨别鉴定[2]。笔者综述了FTIR的工作原理及其在生物大分子、亲缘地理学和生理学上的应用，并探讨了FTIR在植物学研究中遇到的一些问题，旨在为FTIR在植物学领域的应用提供借鉴。

1FTIR的工作原理

FTIR是利用傅里叶变换红外光谱仪测量样品宽带红外光谱，对样品进行定性定量分析的一门技术。FTIR具有的“指纹”特征性，使得人们利用傅里叶变换红外光谱仪检测化合物中官能团和极性键振动的分子振动光谱，不同化合物具有不同的分子特征振动和转动频率，从而鉴定出其化学成分[1]。

傅里叶变换红外光谱仪属于干渉性光谱仪，由红外光源、干涉仪、样品室、检测器、激光器、红外反射镜、控制电路和电板组成。光源发出一束光，通过干涉仪，被干涉仪分成2束光，一束透射到达动镜，一束反射到达定镜。透射到达动镜的红外光被反射到分束器后，有一部分被透射返回光源，另一部分经反射到达样品;反射到定镜的光再经过定镜的反射作用到达分束器后，一部分经过分束器的反射作用返回光源，另一部分透过分束器到达样品。用红外光照射样品，在特定波长范围的能量与分子的振动能量相当，就被分子吸收。分子由低能态过渡到高能态，产生能级跃迁，出现红外分子吸收光谱，其中吸收谱带的强度取决于偶极矩的变化大小[3-4]。

FTIR具有灵敏度高、操作简单、重复性好的优点，被广泛应用在医学、化工、气象、文物鉴定等研究领域[5]。随着FTIR的不断成熟，在植物学中的应用也越来越广泛，如研究探测生物大分子结构，包括蛋白质二级结构的测定、核酸和脂质的研究、植物亲缘地理关系的研究、植物生理指标的测定等。

2FTIR在生物领域的应用

FTIR作为一种现代结构常用的分析技术，摒弃了传统的化学分析方法，是生物大分子研究领域的一大突破。FTIR现已被用来观测分析蛋白质结构变化，检测脂质和糖类的含量及种类。

2.1FTIR在生物大分子上的应用

2.1.1FTIR在蛋白质上的应用。

蛋白质是一类极为重要的生物大分子，几乎各种生命活动都与蛋白质有关，蛋白质的构象影响蛋白质的功能。FTIR可观测到蛋白质结构的微小变化，定量分析蛋白质的各二级结构，逐渐发展成为定量分析蛋白二级结构常用的手段[6-7]。

蛋白质受到物理或者化学因素的影响，二级结构发生变化，蛋白质变性后二级结构中的α-螺旋向β结构转化，但是一级结构没有改变。红外光谱分析蛋白二级结构的步骤[6]：首先对蛋白质在酰胺 Ⅰ 带的红外特征吸收峰进行分辨率增强处理，得到蛋白二级结构组分的个数和位置;其次对酰胺 Ⅰ 带进行光谱分峰拟合得到不同蛋白二级结构的含量。Glassford等[8]介绍了衰减全反射-傅里叶红外光谱技术(ATR-FTIR)作为无标记、非破坏性的分析技术，应用在蛋白质呈像上的最新研究结果。Sarroukh等[9]利用ATR-FTIR研究类淀粉蛋白的结构和生物功能，认为該技术在研究结构蛋白聚集转化到多肽过程中的持续观测优势。沈子威等[10]利用FTIR研究在不同频率和不同功率的强声波作用下花粉细胞的细胞壁蛋白质二级结构的变化，结果显示400 Hz的强声波对细胞壁膜的相行为及蛋白质二级结构具有明显的影响。刘鹭等[11]为了探讨铬对蛋白结构的影响，使用FTIR分析铬作用前后蛋白质二级结构的变化，结果显示，铬与蛋白的键合导致大分子蛋白中的α-螺旋结构和无规则卷曲结构被破坏，导致蛋白质变性。

2.1.2FTIR在糖上的应用。

广泛分布在植物体各种组织中的糖是植物碳水化合物的重要运转和存储物质。植物生理上，糖的测定常使用蒽酮比色法，可是这种方法不仅繁琐，更具有危险性。FTIR的使用能够大大降低试验过程中的安全隐患。

常静等[12]利用傅里叶变换红外光谱测定不同等级灵芝的多糖含量，结果表明，不同等级灵芝的吸光度变量与灵芝多糖含量之间显著相关 。Wang[13]采用FTIR对来自14个地区的白英细胞壁中半纤维素、多糖、木质素3个指标进行快速鉴定对比，发现这3个指标可以作为特征值，来鉴别不同地区的白英。李伦[1]研究了木兰科14种植物不同叶龄的红外光谱，发现尽管红外光谱吸收峰的位置基本一致，然而特征峰不同，通过数据拟合以及子峰峰高比分析，可以计算多糖的相对含量。孙元琳等[14]建立了一套对果胶多糖酯化度快速鉴定的方法，与过去的化学滴定法相比，FTIR大大提高了工作效率，是一种可行的方法。

2.1.3FTIR在脂质上的应用。

FTIR在脂质上应用也越来越常见。由脂肪酸和醇反应生成的酯及其衍生物统称为脂类，包括油脂、类脂、类固醇等。通常情况下脂质的测定采用索氏提取法，然而这种方法存在很多弊端，FTIR的使用可以弥补这些不足。

Wang等[15]研究表明，FTIR能够有效测定南美油藤种子不饱和脂肪酸和亚麻酸的含量，并且能够表明种子发育过程中基因表达和脂质/不饱和脂肪酸积累之间的关系。Dean等[16]通过控制淡水中N含量，利用FTIR检测衣藻和淡水藻中脂质的含量，衣藻和淡水藻的快速代谢反应能够改变其营养的可利用性，FTIR可作为一种有效的方法用于高通量脂质诱导的测定。范璐等[17]分析大豆、棕榈、芝麻、菜籽、花生、棉籽、米糠、油8种植物的成分，通过植物的红外吸收光谱，可以对8种植物的油脂进行鉴定。

目前，FTIR在生物大分子上应用主要集中在对蛋白质二级结构的测定，对核酸、脂质和糖类的研究相对较少，需进一步研究。

安徽农业科学2017年

2.2FTIR在亲缘地理学上应用

目前，研究植物亲缘地理关系的主要方法是分子生物学方法和生物化学方法，但是这些方法的应用存在以下几个弊端：方法技术复杂;需要大量的化学试剂;样品处理耗时且耗资[18]。FTIR在亲缘地理学上的应用很大程度上解决了上述问题。FTIR主要运用不同种群的植物具有不同的化學成分，不同的化学成分产生红外光谱特征吸收峰的强度和位置峰形不同，这些特性是人们鉴别植物类群及其亲缘关系的主要依据，也就是FTIR的“指纹”特征。

近年来，FTIR在系统分类方面取得了很多进展，涉及苔藓植物、蕨类植物、被子植物等高等植物。田兰婷等[19]鉴定9种来自于陕西省的大戟属叶片红外光谱，分析比较这些图谱的差异，划分地锦草、大戟、华北大戟、湖北大戟、南大戟、乳浆大戟和泽漆为一类，甘遂和续随子各自单独为一类。Gao等[20]研究了长序榆的亲缘地理关系，FTIR结果表明浙江开化、浙江遂吕和江西武宁是一个类群，浙江松阳和福建南平是一个类群，安徽歙县和浙江临安是另一个类群。Jungandreas等[21]研究表明，FTIR对硅藻细胞应对各种非生物因素的生理和生化反应的研究是有效的技术支撑。有学者采用FTIR测定研究草豆蔻、红豆蔻、云南草蔻和长柄山姜4种姜科植物，得出云南草蔻和草豆蔻的亲缘关系最近[22]。罗庇荣等[23]对杜鹃4个亚属的花瓣进行FTIR测试，结果显示同种花瓣峰形相似，不同种花瓣峰形有差异，证明了FTIR能够应用于准确鉴别4个杜鹃亚属。FTIR也被应用于苔藓的分类。孔黎春等[24]利用该技术测定齿边缩叶藓、多枝缩叶藓和中华缩叶藓3种缩叶藓属植物的红外谱图，分类结果显示水平衰减全反射-傅里叶变换红外光谱法具有较好的可行性。

有研究表明，FTIR在亲缘地理学上的应用存在缺陷，在有些情况下FTIR不能测定同属不同种间的植物。陈国奇等[25]使用OMNI采样器-傅里叶变换红外光谱对8科80种草本被子植物种子进行检测，聚类分析结果发现，其中有8组植物与亲缘关系不同的其他属植物混合在一起，在7组同种不同亚种或品种植物中，仅有1组植物被聚合在一起，也说明FTIR在对植物亲缘关系研究或者分类上具有一定的局限性。但是随着科学技术的不断发展，FTIR与其他技术的联用为解决这个弊端提供了可能。

2.3FTIR在生理学上应用

植物生理学上常见的有机物测定往往是在植物样品进行提取、分离、蒸馏等多种方式之后对提取液进行分析测定。这种方法存在很多局限性，不仅样品的提取需要消耗人力、物力和财力，而且因为分析的结果不是原有活体状态下进行的检测，所以其结果往往存在多重误差。另外，植物样品中的成分多且复杂，会导致样品中各种分光谱之间相互叠加或者是特征峰的重叠。FTIR在生理学上的应用大大解决了这些问题，傅里叶变换红外光谱仪对植物样品进行检测时，不用化学处理，大大缩短了人资物力消耗。其次，在原有活体状态下对植物样品中的有机物进行检测，没有破坏原有植物样品的组织和结构，相对避免了结果误差。再者，FTIR应用简单、方便、易于操作。总之，FTIR具备这些优点，使其在植物生理上的应用被越来越多的人接受[26]。

付川等[27]利用FTIR研究紫花苜蓿对铜胁迫的耐性机理，用不同浓度铜处理紫花苜蓿的根茎叶后，采用FTIR测其化学成分的变化，结果显示铜对紫花苜蓿的化学成分影响不大。然而薛生国等[28]采用FTIR测定锰胁迫处理后的酸模叶蓼，发现锰浓度较低时，茎组织里的糖类和氨基酸等有机物增加，叶组织中的氨基酸、多肽和蛋白质类物质含量增大，当锰浓度升高时，植物耐锰性增强，但是有机物含量下降。吴秀文等[29]研究钾硼胁迫对棉花叶片物质成分的影响，FTIR结果表明缺少钾处理时有4个特征峰消失，其他特征峰的吸光值低于對照处理，说明蛋白质、核糖、可溶性糖、纤维素的含量降低并且结构发生改变;缺硼处理时，特征峰的吸光值高于对照组，说明缺硼阻碍蛋白质、可溶性糖等碳水化合物的运输导致含量增加;在硼铁同时缺少时，吸收强度和特征峰的位置与对照处理有很大的差别，发现多糖和核酸含量降低，而可溶性糖和蛋白质的含量增加。Xie等[30]比较现代楠木和古代埋葬楠木的化学成分、化学结构和精油成分，FTIR检测发现古代楠木的木质素高于现在楠木，但是现在楠木的半纤维素含量高于古代楠木。

3展望

近年来，计算机技术飞速前进推动了FTIR的发展，许多行业利用其来鉴别物质的真伪和含量的多少，但是FTIR也存在一些缺陷，需要人们对FTIR进行不断的完善和补充。

未来FTIR的发展主要趋向于建立各种标准光谱特征数据库，方便快速准确地鉴别物质属性，如完善建立蛋白质或者核酸的特征数据库，便于精准地实现蛋白质或核酸的鉴定。其次，FTIR向仪器的专门化、微型化和普及化的方向发展[31]。例如，在大气监测领域出现了遥感FTIR，这种大气监测技术是根据实际情况发展而成，不仅能够同时检测多种大气中存在的化合物，而且能够提供远距离的实时监测[32]。20世纪80年代初将显微技术应用到傅里叶变换红外光谱仪，诞生了衰减全反射-傅里叶变换红外光谱，使微区成分的分析变得方便而快捷，主要应用于塑料、橡胶、纺织等领域的检测，近年来在物质的化学行为或者物理方面也开始使用[33]。红外发展的方向主要是红外连用技术，相继出现了变温红外、高压红外、红外光声光谱、偏振红外、红外遥感技术和色散光谱[34]。傅立叶变换红外光谱仪与色谱的联用可进行多组分样品的分离与定性，傅立叶变换红外光谱仪与热重联用可进行样品的热稳定性研究，与拉曼光谱联用可得到红外光谱弱吸收的信息[35]。

FTIR具有传统化学分析法所不可比拟的优越性，这种方法能够快速而准确地鉴定植物的化学结构和成分，对植物生理生化有深远的影响。目前，傅里叶红外光谱与其他技术的联用为精准有效地鉴定植物亲缘地理关系提供了可能，未来FTIR在植物学上的应用将在生物大分子和测定植物生理生化2个方面得到更广泛的推广。

参考文献

[1] 李伦.基于傅里叶变换红外光谱的木兰科植物和竹类植物分类研究[D].昆明：云南师范大学，2013.

[2] 邱璐，李晓勇，刘鹏，等.九种蔷薇科植物叶片的傅里叶红外光谱与亲缘关系分析[J].光谱学与光谱分析，2014，34(2)：344-349.

[3] 韦柳花，苏敏，诸葛天秋，等.傅里叶变换红外光谱技术在茶叶领域研究中的应用与展望[J].广西农学报，2014，29(6)：40-43.

[4] 顧聚兴.傅里叶变换红外光谱仪[J].红外，2009，30(6)：4.

[5] 熊庆，郭彩紅，宋红杰，等.傅里叶变换红外光谱法中的对比实验教学设计[J].实验科学与技术，2014，12(5)：11-12.

[6] 李亦易，邹烨，李冬敏，等.红外光谱法定量分析蛋白二级结构研究中水汽影响的评估[J].河北大学学报(自然科学版)，2012，32(6)：608-612.

[7] 张秋会，黄现青，李苗云，等.傅里叶红外光谱法研究肌肉蛋白质的二级结构[J].食品与发酵工业，2015，41(10)：247-251.

[8] GLASSFORD S E，BYRNE B，KAZARIAN S G.Recent applications of ATR FTIR spectroscopy and imaging to proteins[J].Biochimica et biophysica acta(BBA)proteins and proteomics，2013，1834(12)：2849-2858.

[9] SARROUKH R，GOORMAGHTIGH E，RUYSSCHAERT J M，et al.ATRFTIR：A “rejuvenated” tool to investigate amyloid proteins[J].Biochimica et biophysica acta(BBA)biomembranes，2013，1828(10)：2328-2338.

[10] 沈子威，孙克利，杨钧，等.应用傅里叶红外光谱研究强声波作用下植物壁蛋白质二级结构变化[J].光子学报，1999，28(7)：600-602.

[11] 刘鹭，侯东军，陈锋亮，等.红外光谱法研究铬对酵母细胞内蛋白二级结构的影响[J].核农学报，2012，26(3)：505-510.

[12] 常静，唐延林，刘子恒，等.灵芝多糖含量的红外光谱预测模型研究[J].光谱实验室，2010，27(2)：677-680.

[13] WANG Y L.Application of Fourier transform infrared microspectroscopy(FTIR)and thermogravimetric analysis(TGA)for quick identification of Chinese herb Solanum lyratum[J].Plant omics，2012，5(6)：508-513.

[14] 孙元琳，崔武卫，顾小红，等.傅里叶变换红外光谱法测定当归果胶多糖的酯化度[J].光谱学与光谱分析，2009，29(3)：682-685.

[15] WANG X J，LIU A Z.Expression of genes controlling unsaturated fatty acids biosynthesis and oil deposition in developing seeds of Sacha Inchi(Plukenetia volubilis L.)[J].Lipids，2014，49(10)：1019-1031.

[16] DEAN A P，SIGEE D C，ESTRADA B，et al.Using FTIR spectroscopy for rapid determination of lipid accumulation in response to nitrogen limitation in freshwater microalgae[J].Bioresource technology，2010，101(12)：4499-4507.

[17] 范璐，李娟.红外光谱法识别八种植物油脂[C]// 河南省化学会2012年学术年会论文摘要集.开封：河南省化学学会，2012.

[18] 杨佳.傅里叶变换红外光谱技术在芝麻油真伪鉴别、掺伪与品质分析中的应用[D].北京：北京林业大学，2013.

[19] 田兰婷，赵雪艳，王宁果，等.陕西9种大戟属植物红外光谱分析及其分类学意义[J].植物研究，2016，36(2)：310-315.

[20] GAO J G，WU Y H，XU G D，et al.Phylogeography of Ulmus elongata，based on Fourier transforminfrared spectroscopy(FTIR)，thermal gravimetric and differential thermal analyses[J].Biochemical systematics & ecology，2012，40(2)：184-191.

[21] JUNGANDREAS A，WAGNER H，WILHELM C.Simultaneous measurement of the silicon content and physiological parameters by FTIR spectroscopy in diatoms with siliceous cell walls[J].Plant & cell physiology，2012，53(12)：2153-2162.

[22] 刘艳，司民真，李家旺，等.4種山姜属植物的傅里叶变换红外光谱分析[J].安徽农业科学，2015，43(24)：49-51，54.

[23] 罗庇荣，刘刚，张玉宾，等.基于花瓣的傅里叶变换红外光谱鉴别分类杜鹃属植物[J].光谱学与光谱分析，2010，30(4)：943-948.

[24] 孔黎春，余鹏，程存归.水平衰减全反射-傅里叶变换红外光谱结合化学计量学法应用于三种缩叶藓属植物的分类[J].理化检验(化学分册)，2012，48(4)：405-409.

[25] 陈国奇，郭水良，韩琴筱，等.FTIR在植物分类学中应用范围和方法的探究[J].华东师范大学学报(自然科学版)，2008(6)：88-95.

[26] 王赢.铝胁迫下蚕豆FTIR特征及生理特性的研究[D].昆明：昆明理工大学，2010.

[27] 付川，余顺慧，黄怡民，等.紫花苜蓿对铜胁迫生理响应的傅里叶变换红外光谱法研究[J].生态学报，2014，34(5)：1149-1155.

[28] 薛生国，黄艳红，王钧，等.采用FTIR法研究酸模叶蓼对锰胁迫生理响应的影响[J].中南大学学报(自然科学版)，2011，42(6)：1528-1532.

[29] 吴秀文，郝艳淑，雷晶，等.钾硼胁迫对棉花功能叶物质成分影响的FTIR表征[J].光谱学与光谱分析，2016，36(3)：676-680.

[30] XIE J L，QI J Q，HUANG X Y，et al.Comparative analysis of modern and ancient buried Phoebe zhennan，wood：Surface color，chemical components，infrared spectroscopy，and essential oil composition[J].Journal of forestry research，2015，26(2)：501-507.

[31] 呂金光.空间调制傅里叶变换红外光谱仪系统设计与信息处理研究[D].北京：中国科学院大学，2013.

[32] 付琼.遥感FTIR在大气环境监测领域的应用及新发展论述[J].工业，2015(25)：49.

[33] 姚杰，徐信武，冯玉英.用红外光谱法研究麦秸各层面的化学组成[J].光谱学与光谱分析，2003，23(1)：58-60.

[34] 高扬.TurboFT傅里叶变换热红外辐射仪控制软件与数据处理方法研究[D].北京：中国地质科学院，2014.

[35] 孙素琴，周群，陈建波.中药红外光谱分析与鉴定[M].北京：化学工业出版社，2010.

安徽农业科学，Journal of Anhui Agri. Sci.2017，45(23)：9-10，13

作者：左云 刘畅 方炎明