应用在牛奶成份分析及辨别掺假方面的近红外技术

应用在牛奶成份分析及辨别掺假方面的近红外技术

针对大多数乳品食品厂家对近红外技术的不了解,现将有关近红外技术的基本知识、近红外技术在分析检测领域的应用、作一个简短的概述,让更多的企业管理人员对这方面的知识,有一定的了解。另外也介绍一下国际乳品行业使用的几种大型牛奶成份分析仪所使用的技术。

根据红外辐射在地球大气层中的传输特性，通常分为近红外（0.75μm到3μm）、中红外（3μm到30μm）、远红外（30μm到1000μm）。红外技术发展的历程是从远红外-中红外-近红外。

1.         概述

近红外光(NIR)是介于可见区和中红外区间的电磁波，不同文献中对其波长范围的划分不尽相同，美国试验和材料协会（ASTM）规定为700 nm至2500 nm。NIR常被化分为短波近红外(SW-NIR) 和长波近红外(LW-NIR),其波段范围分别为700—1100 nm和1100—2500 nm。

1800年，Herschel 首次发现了NIR光谱区[1];1900年前后，NIR光谱仪器使用玻璃棱镜和胶片记录器，其光谱范围局限于700 nm—1600 nm。50年代的商品NIR光谱仪使用硫化铅光敏电阻作检测器，其波长范围能延伸至3000 nm[2]，能用于定量分析，但，由于NIR消光系数低和光谱带宽而解析困难，该技术并没有获得广泛应用。60年代，Karl Norris 使用漫反射技术对麦子水分、蛋白和脂肪含量进行研究，发现NIR光谱用于常规分析的实用价值[3]。随计算机发展和化学计量学（Chemometrics)诞生，NIR和化学计量学结合产生了现代NIR光谱学[4]。NIR最先应用于农业领域[3]。80年代，光谱仪器制作和计算机技术水平有了大的提高，NIR被广泛应用于在工业和其它领域。近几届匹司堡分析仪器会议上，NIR已成为红外光谱分析报道的热点。NIR在线分析应用给石化工业带来了巨大经济效益[5]，更是引人注目。

2.         NIR光谱特征

NIR属分子振动光谱，是基频分子振动的倍频和组合频，主要反映了含氢基团(如C—H，O—H，S—H，N—H等键）的特征信息。Jerome J. W对NIR光谱解析作了综述[6]，详细描述烷烃、烯烃和芳烃体系中C—H、酰胺中N—H、和X—H的的谱带归属。精确描述NIR光谱归属并不容易，是因为有机物出现在NIR区内倍频和组合频谱带数目多，其吸收谱带较宽，不同谱带之间的重叠严重。用一些模型化合物标定可得到确定的谱带归属，表2列出以水、苯胺和正庚烷为样品测得在NIR区域内的倍频谱带归属，表中数据接近谱峰最高点对应的波长。

由于产生NIR属倍频和组合频的机率远比中红外基频的机率小，它们在谱带强度上有显著差别，表1比较了它们的相对强度，倍频的级数每增加1，其强度降低1个数量级，NIR谱带强度比较弱，但，从某种意义上讲，现代NIR应用技术在许多领域中之所以能够得到高度发展，是与NIR这一特点是分不开的。

 NIR具有以下优点:

(1)    NIR可以使用较长的光程，如SW-NIR可使用100 mm 光程的液体样品池，与中红外相比，对光程精度的要求显著下降，使得样品定量测定操作简单化，液体样品不经稀释就可直接被测量，避免了中红外分析制样困难和不便。NIR具有高穿透性,其对样品的分析检测结果的精确度和重复性也比中红外好。

(2)       对样品池等测样部件的要求不像中红外要求那样高，光谱重复性容易控制，光谱抗干扰性好，这对定量分析是最重要的。

(3)       NIR光谱波段可以透过玻璃或石英材料，因此NIR可由一般光纤传导，使得NIR能用于在线测量。

(4)       由于含氢基团的倍频或组合频谱带主要出现在700 nm ～1900 nm的NIR区，而其它化学基团对该区域的影响较小，因此，从NIR光谱可以提取含氢基团物质的丰富而相对干扰少的光谱信息。另一方面，NIR光谱谱带严重重叠。这对于组成复杂的样品体系，依靠光谱常用定量方法(即根据Beer 定律建立工作曲线)做定量分析是很困难，甚至不可能，这也是在80年代前NIR分析应用发展停滞的主要原因之一。化学计量学出现后，较好地解决了这些问题，NIR分析才找得到了广泛应用。

表1、各种含氢基团在NIR区内的倍频吸收谱带归属 (nm)

表2、 C—H的红外和NIR谱带强度对比

3.         NIR光谱定量分析

NIR光谱包含了样品的大量组成结构信息，样品性质与其组成结构是相关的，因此，根据样品NIR光谱可以预测样品的性质数据，其技术关键在于在两者之间建立一种定量关系，依靠这种定量关系，就能从未知样品的NIR光谱求出其性质或组成数据；具体过程是，在校正时，选取具有代表性的样品集（其组成和及其变化范围接近于要分析的样品)，该样品集通常叫作校正集或训练集，测定其NIR光谱数据，及使用传统的标准方法测定其性质数据，再通过数学方法将这些光谱数据和性质数据进行关联，建立一数学模型；在未知样品分析时，先测定其NIR光谱，再根据已建立的模型来预测未知样品的性质数据。特点是速度极快，且不需要常规分析所用的复杂仪器。

4.         NIR光谱定性分析

在定性分析概念上，NIR不同于通常中红外，主要是用于样品类别鉴定和纯度鉴定等,依靠的是化学计量学方法[9,10 ,11]，如PCA、PLS2和聚类分析方法，其原理也是首先选取具有代表性的一系列样品作为校正样品集，分别测定其NIR光谱，和其组成以及有关性质数据，采用上述方法将光谱数据和组成或性质数据关联，建立模型。对未知样品定性分析时，先取得未知样品的NIR光谱，再使用已有的模型，完成未知样品的定性分析。如GRAMS软件系列的PLSplus/IQ和PE软件QUANT＋软件的SIMCA等都是使用PCA算法和马氏距离(Mahalanobis Distance )算法建立模型后，作定性鉴别的。

5.         NIR光谱光谱

NIR光谱仪对波长的准确度和精度、光谱稳定性的要求比较高，早期的仪器主要是滤光片式仪器，在农产品分析中应用较多。NIR光谱的应用是在80年代末活跃起来，当时中红外光谱仪仪器制作水平已相当精湛，其中以傅立叶光谱仪为主流产品。因此，NIR光谱仪制作往往是借助于现有中红外光谱仪的基础，作个别部件的调整而已，如国际上一些主要红外光谱仪生产厂家：Digilab、Nicolet、Bruker、IBM、Perkin Elmer、Bomen、Analect、岛津、JEOL等，都有相应的类似形式的NIR光谱仪产品，其波长范围大多为长波NIR。而对短波NIR光谱仪，许多仪器往往是紫外可见光光度计产品在波长范围作延伸得到，这种情况下，常常不能对NIR部分进行优化。随着NIR应用的发展，NIR光谱仪已逐渐向专用化发展。国内NIR仪器发展较晚，许多单位和公司也正在积极研制NIR光谱仪器产品，目前从性能各方面距商品化还有段距离。

NIR光谱仪器主要由光源、测样部件、光色散和检测器四部分组成。主要产品类型为扫描式、固定光路和傅立叶三种。由于NIR光谱应用侧重于常规分析，厂家为迎合用户的需求，多生产结构简单、造价低和实用性强的仪器，在光路上多采用单光路仪器。

不同类型仪器在结构上有很大差别。现在的扫描式NIR光谱仪，通常采用光栅分光，通过光栅的转动，使得到的单色光在不同时间依次通过样品池后，最后进入检测器被检测。传统的固定光路NIR光谱仪是指滤光片式NIR光谱仪，从光源发出的光先经过样品池，再通过滤光片，最后进入检测器。现代的固定光路NIR光谱仪是指使用多道检测器（如二极管阵列检测器）仪器，从光源发出的光，先通过样品池，再用光栅分光，光栅不需要转动，分光后的不同波长的单色光同时聚焦到阵列检测器焦面上，同时被检测。傅立叶NIR光谱仪的主要光学元件是干涉仪，从光源发出的光，先经过干涉仪产生干涉光，经过干涉的光再通过样品池后，被检测器检测，干涉光的强度是光程差的函数：  ，式中d 是光程差，n 是单色光的频率，I(n )是单色光的强度；根据数学上傅立叶变换得到各单色光的强度： 。

傅立叶NIR光谱仪干涉仪使用了可动部件，需要较稳定工作条件，适用于实验室操作，但抗干扰能力差，不适合苛刻环境条件下应用；较新型的傅立叶NIR仪器[10,11 ]，采用光偏振技术对干涉仪作了改进，使之不易受震动、温度和湿度等因素的影响。

传统的滤光片式NIR仪器，对不太复杂的体系，选择适合的波段，也可获得较好的结果，它的光分辨能力较差，化学光谱信息提取能力受到限制，不适合复杂体系分析。

现代固定光路NIR光谱仪，使用了全息光栅分光，可以获得很好的分辨率，足以满足绝大多数分析要求；它使用多道阵列检测器对所有波长的单色光同时检测，扫描速度比傅立叶型光谱仪还快几个数量级，在瞬间内可以完成几十次或上百次扫描，使用信号累加平均使噪音降低，检测器也具有很高的灵敏度，因此，可以获得很好的信噪比；由于它无可动部件，抗干扰性强，能适合现场分析及在线控制分析。还有一种较新型的仪器是利用二氧化锑晶体分光，通过微波作用晶体进行光谱扫描，其波长范围为900～1700 nm, 整个仪器无机械可动部分，适合现场分析[10]。现代NIR光谱仪的另一特征有灵活的样品测定部件，除漫反射积分球和光程较长的液体池外，使用光纤和光纤探头组件使检测操作很方便，对液体样品和工艺装置物流的在线分析极其方便。

6.         NIR光谱分析应用

   以下为近年来报导的几个主要应用实例:

(1)      法国Lavera炼厂用于汽油调和，产量为100万吨/年[20 ]。测得辛烷值的差异仅为0.3，使用NIR光谱前是0.6 ~ 1.0。每年收益为200万美元。该厂用作汽油的调合组分有8种，包括：丁烷、MTBE、裂化汽油、蒸汽裂解汽油、异构化产品、C-5馏分、烷基化油及重整产品。

(2)      BP 和elf Autochem在拉贝拉子公司蒸汽裂解装置上配备了石脑油的在线红外分析仪[21]。工厂的24台裂解炉，年产67万吨乙烯。红外光谱分析仪可以在1min内提供石脑油的13种性质和粗汽油的十六种性质，如石脑油的性质包括：密度、化学组成、平均分子量、C1，乙烯，C3和C4不饱和化合物的潜含量、化学组成是指PIONA（链烷、异构烷烃、环烷烃、烯烃和芳烃）、结焦指数；汽油的性质如密度、各切割馏分段的化学组成、潜含量和潜含辛烷值和蒸馏曲线、化学组成包括PINOA、苯、甲苯，各种二甲苯和二烯烃含量等。根据这些分析数据和工厂装置的15年的操作经验，来优化裂解炉的实时操作。裂解炉辐射管和转油线换热器的清焦工序通过在线分析仪输送的生焦指数来完成。经过优化操作后，效益达100万美元/年。

现代近红外光谱分析是将光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。是将近红外光谱所反映的样品基团、组成或物态信息与用标准或认可的参比方法测得的组成或性质数据采用化学计量学技术建立校正模型，然后通过对未知样品光谱的测定和建立的校正模型来快速预测其组成或性质的一种分析方法。

与传统分析技术相比，近红外光谱分析技术具有诸多优点，它能在20秒钟内，仅通过对被测样品完成一次近红外光谱的采集测量，即可完成其多项性能指标的测定（最多可达十余项指标）。光谱测量时不需要对分析样品进行前处理；分析过程中不消耗其它材料或破坏样品；分析重现性好、成本低。对于经常的质量监控是十分经济且快速的。

近红外光谱主要是反映C-H、O-H、N-H、S-H等化学键的信息，因此分析范围几乎可覆盖所有的有机化合物和混合物。加之其独有的诸多优点，决定了它应用领域的广阔，使其在国民经济发展的许多行业中都能发挥积极作用，并逐渐扮演着不可或缺的角色。主要的应用领域包括：石油及石油化工、基本有机化工、精细化工、冶金、生命科学、制药、医学临床、农业、食品、饮料、烟草、纺织、造纸、化妆品、质量监督、环境保护、高校及科研院所等。在石化领域可测定油品的辛烷值、族组成、十六烷值、闪点、冰点、凝固点、馏程、MTBE含量等；在农业领域可以测定谷物的蛋白质、糖、脂肪、纤维、水分含量等；在医药领域可以测定药品中有效成分，组成和含量；亦可进行样品的种类鉴别，如牛奶、酒类和香水的真假辨别，环保废弃物的分检等。

参考资料

1 Herschel, W., Philos. Trans., 1800, 90,225

2 Kaye, W. I.,Spectrochim. AActa.,1955,7,181

3 Stark, E. et al,Appl. Spectrosc. Rev.,1986,22,335

4 Jerome J.W., Appl. Spectrosc. Rev.,1996,31,73

5 Oman S. D., J. Chemometrics 7,3,195

6 Jerome J.W., Appl. Spectrosc. Rev.,1996,31,251

7 Haaland D. M., et al, Anal. Chem., 1988,60,1193

8 Al Kania, CDU and FCCU Optimization Using NIR Technology, NPRA Annual Meeting,1997, Mar 16-18.
9 BOMEM公司的广告“The ExamiNIR^TM”
10 BRAN+LUEBBE公司的“The InfraProver and InfraPrime”
11 BUHLER 公司近红外光谱仪广告资料。
12 袁洪福，龙义成，陆婉珍，近红外石油组成分析仪，专利申请号：96218361.X。
13 王宗明等，石油炼制与化工，1997，1，28，22。
14 刘慧颍等，中国石油学会石油炼制分会第三届年会论文集，1997，4，济南，640。
15 Chen Zhaohui et al, Hydrocarbon Processing, January 1992,94.
16 Jeffrey J. K., Anal Chem. 1989,61,313.
17 Jeffrey J. K., Anal Chem. 1989,62,1451
18 DiFoggio R., J. Oil & Gas, May,1993,87.
19 Peter Finch, Measurement+Control, May,1994,V.27
20 Knott D., J. Oil & Gas, Mar.,1997,39.
21 et al , Hydrocarbon Processing, FEB.,1996,No.2, 71
22 Lambert D. et al, Hydrocarbon Processing, DEC.,1995,103.
23 Zilberman I. et al , Hydrocarbon Processing, MAY,1996,91.

24 Robert Classon, Chemical Engineering,April 1993,103