□ 王文盛 山西农业大学信息学院环境科学与食品工程系

近红外分析技术在食品氨基酸检测中应用的研究进展

□ 王文盛 山西农业大学信息学院环境科学与食品工程系

随着社会的发展和科技的进步，高效液相色谱法已代替了加权滴定法和凯氏定氮法。近年来，相应领域对分析速度、分析灵敏度、鲁棒性等均提出更高要求，促使相应仪器和仪表等均得到发展。在这一背景下，新氨基酸分析方式得到开发和完善。

近红外技术原理与特点

近红外光波长在可见光和中红外区之间的一种电磁波，波长范围在780～2526 n m。同时，人们习惯将近红外区域划分为两个区域，分别为近红外短波（780～1 100 n m）和近红外长波（1 100～2526 n m）。在不同有机物中存在不同基团，而不同基团的能级也不同，因此在不同化学环境中，每个基因对近红外光吸收波长存在着明显的差异。连续改变频率的近红外光吸收波长照射一些样品时，试样会选择性吸收不同频率近红外光，所透射或反射出来的红外光线会携带有机物组分和合相应结构信息，利用检测器分析对透射或反射光信号，从而可确定物质结构和含量信息等。

和其他技术相比，近红外光谱分析技术有以下优势：（1）分析速度快，相应定标近红外光谱分析仪后，能在几分钟甚至几秒的时间内完成待测样品；（2）可同时测量多个组分，实现分析过程的在线定量分析；（3）实施绿色检测，如待测样品无需实施任何化学干预便可测量，其被人们称作是一种绿色分析技术；（4）仪器的操作和维护相对简单，不会对操作人员提出较高要求，对相应软件的设计可使操作步骤十分简单，在整个操作过程中降低人为操作误差。

近红外分析技术在食品氨基酸检测中的应用

农作物品质检测

以油菜籽饼粕氨基酸含量检测为例，在常见的1 5种氨基酸中，有1 3种氨基酸的R2在0.8 0以上，有7种氨基酸的R2在0.9 0以上，其中缬氨酸定标最差，不具有相应的预测能力。

使用MPLS方式的全局定标和局部定标，对精米粉光谱建立的方程预测标准误差相对较低，基本在0.007%，但外部验证所决定的系数分别为8 7.1%和8 7.4%，可完全用于定量分析。稻米含有大量氨基酸，对其进行检测，可使用2.8.8.1的数字处理和标准正态变量变换等光谱校正方式，建立相应糙米粉氨基酸含量有关近红外测定方程。该方式在相应大样品量扫描时，能够获取谷氨酸、赖氨酸、异亮氨酸等1 4种氨基酸的测试效果。但这些氨基酸中，酪氨酸、蛋氨酸和半胱氨酸等不能利用近红外技术检测。如果样品量过小时，除赖氨酸外的1 3种氨基酸测量效果均较理想，结果具有一定的准确性和可靠性。

茶叶中氨基酸含量

检测普洱茶中游离氨基酸，结合CEn ter、S N V、MSC光谱预处理能力较理想，对模型阶段进行定标，其中CEn ter预处理的PLS模型预测方根误差要比S NC以及MSC小，R2比S N V和MSC大。因此，采用中心化法获得效果最佳。在定标模型阶段，使用EL M方式，产生训练集均方根误差R MSEC比PLS法小，而R2要比PLS法大。

食品奶酪、火腿、肉制品中氨基酸测定

采用近红外技术检测PrASt和 Nor veGiA奶酪中氨基酸含量，同时准确预测氨基酸含量的变化对奶酪成熟度的影响。使用MSC对光谱预处理，定标模型则选择PLS，在这两种奶酪中，对Gl y和HiS进行外部验证，所得系数R2值较低，而ASp、Ser、Mer等总和氨基酸含量所存在的R2值均在0.92以上。从以上内容可看出，使用近红外技术，测定奶酪中6种氨基酸含量，表现较优。

此外，以检测酱油中氨基酸为例，采用联合区间较小的二乘法，从全光谱中筛选有光谱区域，然后使用遗传算法，在有效光谱中选择变量，在这一基础上建立相应PLS模型。这一模型测定的效果较好，其中氨基酸态氮RC则为0.9 988，RP也为0.9 988。计算出，其中含有的氨基酸总量RC为0.9 917，RP为0.9 902。从上述内容可得出，利用近红外光谱仪检测酱油中氨基酸态氮、氨基酸总量，遗传算法联合区间比二乘法低，两者结合能在一定程度上提升光谱测定准确度。

结语

近红外分析技术已被广泛应用于食品氨基酸含量检测中，以当前近红外光谱技术发展现状为基础，通过在线检测方式，检测从原料到产品的整个反应过程，这也是今后本行业将要发展的方向之一。此外，共享近红外分析技术模型、满足功能性生产和收购需求、对销售等领域中品质的实时监控带来积极影响也是未来发展的重要方向。

王文盛（1993-），汉，山西吕梁人，本科在读。研究方向：食品科学与工程。