
4.5 近红外光谱法在粮油产地溯源方面的应用
NIR分析技术在谷物产地溯源得到了广泛应用。钱丽丽等[85]利用NIR分析技术结合HCA和PLS对黑龙江省3个地区的地理标志性产品大米进行产地溯源研究。结果表明: 运用DA和HCA建立的模型对大米产地预测正确率分别为100%、95.83%、100%; 采用PLS建立的判别模型的预测正确率分别为95.83%、100%、95.83%,产地预测正确率达95%以上,实现了大米产地溯源。宋雪健等[86]选取来自肇源和肇州2个地区的144份小米样品,应用近红外漫反射光谱技术结合化学计量学对不同状态的小米进行产地溯源研究,结果表明: 采用因子化法和偏最小二乘差建立的模型对2个产地的小米的正确鉴别率均在90%以上。Davrieux等[87]采用NIR分析技术对泰国的香味大米和非香味大米,应用PLS建立判别模型,结果显示鉴别正确率高达97.40%。赵海燕等[88]应用NIR分析仪检测中国2007/2008和2008/2009两个年度、4个省份的240份小麦样品,NIR经均值标准化、一阶求导和多元散射校正处理结合PLS-DA,结果显示,4个地区的小麦籽粒样品总体正确判别率分别为87.5%、91.7%、48.3%、82.5%。夏立娅等[89]采集209个地理标志产品响水大米和非响水大米的光谱,将其采用一阶导数和平滑处理建立凝聚层次聚类和费歇尔判别模型(Fisher Discriminant Analysis,FDA),结果表明,2种方法的准确率均为100%,可以正确地区分响水大米和非响水大米。Kim等[90]采用NIR分析技术结合PLS模式识别方法,对来自韩国的280份和其他地区的220份大米样品建立模型,鉴别率达到100%。李勇等[91]利用FT-NIR分析仪采集了来自江苏、辽宁、湖北、黑龙江4个省份的169个大米样品的光谱数据,继而采用PCA和LDA进行产地溯源分析,结果表明,预测集判别4个省份的大米产地的准确率在93.00%以上。Zhao等[92]通过近红外反射光谱法确定小麦产地的来源。运用判别偏最小二乘分析(Discriminant Partial Least Squares Analysis,DPLS)方法能够很好地实现小麦产地的溯源。以上案例表明,NIRS分析技术在谷物产品产地溯源中应用较多,建立的模型可有效区分不同产地的谷物产品,但仍需进一步深入研究不同产地谷物产品的勾兑掺假鉴别以保证谷物产品的真实性。
食用油产地溯源主要集中在高价油,例如橄榄油和茶油。Galtier等[93]利用NIR数据定量评估了125组源自法国5个地区的初榨橄榄油样品中的脂肪酸和三酰甘油,并对样品组建立了PLS-DA产地溯源模型,模型预测正确判别率分别为91%、88%、90%、85%和83%,结果表明NIR分析技术可识别初榨橄榄油产地。Bevilacqua等[94]将NIR分析技术与化学计量法结合,对来自有原产地认证的Sabina的20组橄榄油样品和其他产地的37组样品进行产地溯源,用预处理后的光谱数据建立的PLS-DA和SIMCA模型,验证模型的识别率均为100%。Casale等[95]运用NIR对来自意大利利古里亚大区的195个橄榄油样品进行分析,结合一系列化学计量方法进行预处理,并初步建立了识别模型,验证结果表明模型的鉴别准确性较高、灵敏度高。Woodcock等[96]利用近红外透射光谱分析技术结合化学计量学方法确定欧洲橄榄油产地,这也为NIR分析技术在其他油类的产地鉴定提供了新思路。Forina等[97]利用NIR技术,采用逐步线性判别分析、LDA和类建模技术二次判别分析的建模方法,建立意大利受保护原产地生产的特级初榨橄榄油的模型,用于确定是否来源于意大利受保护原产地。Choi等[98]利用NIR技术成功区分韩国、中国和印度的芝麻。Dossa等[99]通过近红外反射光谱法确定芝麻的地理起源来自非洲或者亚洲。文韬等[100]利用NIR采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,结合Savitzky-Golay平滑、多元散射校正、一阶导数和矢量归一化等方法进行预处理,同时构建PCA-BP(Back Propagation,反向传播)神经网络和PLS-BP神经网络模型,实验结果表明,两种模型对未知产地样品溯源正确率均大于90%,证实该模型可较准确地鉴别茶油的原产地。
NIR分析技术因分析时间短、样品用量少、无损检测、绿色环保、低成本、可在线检测等特点在农产品产地溯源研究方面得到广泛应用,但该方法也存在一定的局限性,主要包括: a.NIR分析技术的准确性容易受到样品来源、环境条件等因素的影响,且农产品在贮藏、运输过程中有机成分组成发生变化,导致判别模型鉴别正确率降低。因此,建模样品的选取应该具有代表性,考虑品种、环境、运输与贮藏条件的影响,保证建立稳健的产地溯源模型。b.NIR分析技术对于均质、流体状态的农产品的鉴别准确率高于固体类的农产品,因此需要降低其孔隙度达到均匀分布,为了保证预测的精度,可考虑对样品进行适当的处理。c.前期工作发现NIR分析法可将不同产地的农产品区分开,但仍无法实现不同产地间农产品的掺假鉴别,需要发展新型化学计量学方法,提高模型精度,以提高近红外技术的检测速度和鉴别精度[101]。