拉曼光谱仪应用之｜SERS试纸条实现牛乳致敏原超灵敏快速检测

一、 研究背景

肉类掺假是食品供应链中长期存在的隐患，典型形式是以低价肉类（如猪肉、鸡肉、马肉等）冒充高价肉类（羊肉、牛肉），或以冷冻解冻肉冒充鲜肉。除经济欺诈外，掺假还牵涉健康（过敏原暴露）、膳食（营养与热量标签）、宗教（清真食品禁猪肉、印度教饮食禁牛肉）及生活方式（素食、有机食品）等多重问题，对公共健康与行业信任构成直接威胁，也因此受到监管与消费者的高度关注。

然而，肉类掺假的检测并不容易。传统分析手段依赖PCR等分子生物学方法，虽灵敏度高，但需要专业实验室、复杂前处理与较长周期，难以满足从屠宰场、加工厂到终端销售全链条的快速监管需求。此外，现有文献报道的掺假检出水平大多在2%以上，对更低水平掺假的快速鉴别仍是难点，尤其碎肉制品中加工处理还可能进一步掩盖种间掺假，损害消费者权益。

近红外光谱（NIR）作为一种非破坏性、快速的分析手段，通过对样品“光谱指纹”的采集，可在无需复杂前处理的情况下实现肉类真实性鉴别。本研究采用便携式NIR光谱仪结合偏最小二乘判别分析（PLS-DA），系统评估了对碎羊肉、碎牛肉中猪肉、鸡肉、Lidia品种牛肉及马肉等低水平掺假的检测可行性。

在此类肉类掺假快速无损检测应用中，如海光电便携式近红外光谱仪凭借其宽波段覆盖、快速采集与便携探头设计，可为该类应用提供可靠的硬件支撑。

二、 实验方法

1. 样品与掺假模型制备

研究以羊肉（Raza Navarra品种3月龄羔羊）、牛肉（Pirenaica品种12月龄小公牛）为基底肉，另以猪肉、鸡肉、Lidia品种牛肉及马肉为掺假肉。原料肉去除残皮与脂肪后绞碎均质，手工制成直径约2 cm、厚约0.5 cm、质量约4 g的圆形肉饼。掺假水平设为1%、2%、5%、10%（w/w），例如掺假1%的牛肉饼即称取3.96 g牛肉与0.04 g猪肉混合。

样品测量点位示意图

共制备羊肉样品200个（40个纯样+160个掺假样）、牛肉样品186个（30个纯样+156个掺假样），掺假样品覆盖每种掺假肉×每个掺假比例×10次重复。样品于-20 ℃冷冻保存，分析前于4 ℃解冻24小时。

2. 近红外光谱采集

采用AOTF（声光可调滤光器）+ InGaAs检测器的近红外光谱仪，覆盖1100–2300 nm波段，扫描速度60 ms，配备手持单元与固体样品探头（与样品接触端直径5 mm）。每个样品置于玻璃板上，分别在边缘4点与中心1点接触采集5条反射光谱（每条为50次扫描的平均），波长间隔2 nm，共601个数据点。

3. 化学计量学分析

以单样品的平均光谱进行分析。先进行光谱预处理以校正散射与噪声：散射校正类（SNV、MSC、去趋势DT）与导数类（Savitzky-Golay一阶、二阶导数，2阶多项式、15点窗口）及均值中心化（MC）。随后采用无监督的主成分分析（PCA）探索数据，再以有监督的偏最小二乘判别分析（PLS-DA）区分纯样与掺假样，潜变量（LV）数由10折Venetian blinds交叉验证确定；数据按70%校准/30%验证划分，以正确分类率（%CC）、灵敏度、特异性评价模型。

三、 结果与讨论

1. 光谱特征与掺假样本的可区分性

所有样品的反射光谱形态相似：约1200 nm处出现脂质C–H伸缩二级倍频吸收谷，约1440 nm与1940 nm为O–H一级伸缩倍频与水吸收谷，约2050 nm为蛋白质N–H倍频吸收谷。纯羊肉与掺假羊肉、以及羊肉与牛肉的光谱模式高度相似，仅反射率幅值存在差异（羊肉组更高），不同掺假比例间也无明显规律，说明仅凭肉眼难以区分纯样与掺假样，必须借助化学计量学提取有效信息。

纯羊肉与不同比例混合样品（含 a) 猪肉；b) 鸡肉；c) Lidia品种肉；d) 马肉）的平均反射率光谱

2. 无监督PCA分析

对不同掺假组合分别进行PCA，结合不同预处理方式考察纯样与掺假样的可分性，结果汇总如下：

羊肉掺猪肉：各种预处理下PCA均无法区分；

羊肉掺鸡肉：MSC+MC、SNV+MC、SNV+DT+MC可区分（PC1 vs PC4，PC1解释65.21%方差）；

羊肉掺Lidia牛肉：仅一阶导数+MC可区分；

羊肉掺马肉：所有预处理下均可沿PC2清晰区分；

牛肉掺猪肉：仅二阶导数+MC可区分；

牛肉掺鸡肉：各预处理下均无法分离；

牛肉掺Lidia牛肉：所有预处理均可区分；

牛肉掺马肉：MC、MSC+MC、SNV+MC、SNV+DT+MC可区分。

(a) 纯羊肉与掺鸡肉混合样品

(b) 纯羊肉与四种不同掺假比例样品

经 SNV+MC 预处理后用于掺假检测的 PC1PC4 主成分得分图；(a) 纯羊肉与掺鸡肉混合样品，(b) 纯羊肉与四种不同掺假比例样品。

未采用任何预处理条件下用于掺假检测的 PC1PC2 主成分得分图，展示纯羊肉与掺马肉混合样品。

3. 有监督PLS-DA判别

针对8种掺假组合分别建立PLS-DA模型，验证集正确分类率（%CC）最高值如下：

羊肉掺猪肉：90%（不预处理）；

羊肉掺鸡肉：79.16%（MC），为所有组合中最低；

羊肉掺Lidia牛肉：86.36%（一阶导数+MC）；

羊肉掺马肉：85%（二阶导数+MC）；

牛肉掺猪肉：80%（一阶导数+MC）；

牛肉掺鸡肉：78.95%（SNV+DT+MC）；

牛肉掺Lidia牛肉：95.24%（MSC+MC、SNV+MC、SNV+DT+MC）；

牛肉掺马肉：100%（MC、MSC+MC、SNV+MC、SNV+DT+MC、一阶导数+MC），灵敏度与特异性均达1。

总体而言，掺猪肉、Lidia牛肉及马肉的组合，其检出准确率高于掺鸡肉的组合。特别地，牛肉中掺入Lidia牛肉在2%及以上即可被识别；牛肉掺马肉在1%及以上即可被100%正确检出。

羊肉混合样本在 PLS-DA 模型中获取的 LV 样本数量及 % CC 样本占

在牛肉混合样品的 PLS-DA 模型中获取的 LV 样本数量及 % CC 样本

4. 与既有研究的对比

本研究从1%的低掺假水平起步，在牛肉掺马肉上取得100%分类率，优于Morsy & Sun（2013）从10%起掺假的同类研究，也优于Rady & Adedeji（2018）报道的牛肉掺猪肉58%分类率；牛肉掺猪肉80%分类率虽低于部分高掺假率研究，但本研究掺假水平更低、更贴近实际欺诈场景，检出难度更大，结果更具现实参考价值。

5. 对本地区域品牌肉类溯源的价值

研究成功区分了纯Pirenaica牛肉与掺入Lidia牛肉的样品，为DOP（原产地保护）与IGP（地理标志保护）等依赖本地品种的肉类产品反欺诈提供了可行工具，可用于保护本地可持续养殖体系的品种真实性与品牌溢价。

四、 结论

本研究表明，近红外光谱结合PLS-DA可在78.95%–100%的分类率范围内区分纯羊肉、纯牛肉与其低水平掺假样品，其中掺猪肉、Lidia牛肉及马肉的组合检出效果优于掺鸡肉。牛肉掺Lidia牛肉可在2%检出、掺马肉可在1%检出，说明NIR在低水平肉类掺假快速鉴别上具有实际应用潜力。散射校正类预处理（MSC、SNV）与导数类预处理（一阶、二阶导数）的组合对提升判别效果最为有效。作为一种非破坏性、快速的分析手段，NIR可服务于肉类产品在线与离线质控及真实性认证，帮助行业与消费者规避掺假风险。同时，本研究仍限于实验室规模与特定品种，结论的推广需在更大样本集上进一步验证。

五、 文章来源

文献：López-Maestresalas A, Insausti K, Jaren C, et al. Detection of minced lamb and beef fraud using NIR spectroscopy[J]. Food Control, 2019, 96: 465-472.

六、 产品推荐

针对肉类掺假无损检测所需的宽波段采集、弱信号检测、长时间稳定测量需求，如海光电NIRMini 高灵敏近红外光谱仪可提供完备硬件支撑。

· 小巧机身，分辨率最高 0.3 nm，杂散光～0.5％，光谱范围 9002500 nm 可配置，覆盖肉类水、蛋白、脂质特征吸收区间；

· -25 ℃制冷设计，低噪声、高光谱重现性，可捕捉碎肉微弱漫反射信号，兼顾近红外与拉曼检测；

· 支持多芯密排集束光纤，适配固体探头多点采样；USB / 串口 / 24PIN 多接口，集成 DAC、ADC，可直接控制配套光源开关与光强反馈。

除肉类掺假鉴别外，该近红外方案还可拓展用于谷物水分、饲料品质、乳制品、药品原辅料等其他固体/粉体物料的快速无损检测，为食品与农牧质检提供稳定可靠的一体化解决方案。