全 文 ：第 １２卷第 ２期
２０１４年 ３月
生 物 加 工 过 程
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｐｒｏｃｅｓｓ Ｅｎｇｉｎｅｅｒｉｎｇ
Ｖｏｌ １２ Ｎｏ ２
Ｍａｒ ２０１４
ｄｏｉ：１０ ３９６９ ／ ｊ ｉｓｓｎ １６７２－３６７８ ２０１４ ０２ ０１５
收稿日期：２０１３－０６－２１
基金项目：国家自然科学基金（３１１０１３４８，３１０００７８０）
作者简介：管 骁（１９７９—），男，湖北黄冈人，副教授，研究方向：食品安全监控技术，Ｅ⁃ｍａｉｌ：ｇｎｘｏ＠ １６３ ｃｏｍ
近红外光谱技术在食品产地溯源中的应用进展
管 骁１，古方青１，杨永健２
（１ 上海理工大学 医疗器械与食品学院，上海 ２０００９３； ２ 上海市食品药品检验所，上海 ２０１２０３）
摘 要：食品产地溯源是食品安全追溯制度的重要工作。 近红外光谱技术（ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ，ＮＩＲＳ）作为一
种兼具快速、简便、不破坏试样、分析过程无试剂消耗等优点的新兴绿色检测技术，近年来被逐步应用于食品产地
溯源的研究中。 简要介绍了应用于食品产地溯源研究中近红外光谱技术常用的化学计量学技术及软件平台，同时
概述了近年来该技术在国内外食品产地溯源中的研究进展，分析了在目前产地溯源研究中的优势和存在的问题，
以期为近红外光谱溯源技术的进一步发展提供参考。
关键词：化学计量学；产地溯源；近红外光谱
中图分类号：ＴＳ０７ 文献标志码：Ａ 文章编号：１６７２－３６７８（２０１４）０２－００７７－０６
Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ（ＮＩＲＳ） ｉｎ ｇｅｏｇｒａｐｈｉｃａｌ
ｏｒｉｇｉｎ ｔｒａｃｅａｂｉｌｉｔｙ ｏｆ ｆｏｏｄ ｐｒｏｄｕｃｔｓ
ＧＵＡＮ Ｘｉａｏ１，ＧＵ Ｆａｎｇｑｉｎｇ１，ＹＡＮＧ Ｙｏｎｇｊｉａｎ２
（１ Ｓｃｈｏｏｌ ｏｆ Ｍｅｄｉｃａｌ Ｉｎｓｔｒｕｍｅｎｔｓ ａｎｄ Ｆｏｏｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｈａｎｇｈａｉ ｆｏｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ ２０００９３，Ｃｈｉｎａ；
２ Ｓｈａｎｇｈａｉ Ｉｎｓｔｉｔｕｔｅ ｆｏｒ Ｆｏｏｄ ａｎｄ Ｄｒｕｇ Ｃｏｎｔｒｏｌ，Ｓｈａｎｇｈａｉ ２０１２０３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｏｏｄ ｏｒｉｇｉｎ ｔｒａｃｅａｂｉｌｉｔｙ ｗａｓ ａｎ ｉｍｐｏｒｔａｎｔ ｐａｒｔ ｏｆ ｆｏｏｄ ｓａｆｅｔｙ ｔｒａｃｅａｂｉｌｉｔｙ ｓｙｓｔｅｍ Ａｓ ａｎ ｅｍｅｒｇｉｎｇ
ｇｒｅｅｎ ａｎａｌｙｓｉｓ ｔｅｃｈｎｏｌｏｇｙ ｗｉｔｈ ｅｘｐｅｄｉｔｉｏｕｓｎｅｓｓ， ｓｉｍｐｌｅ ｏｐｅｒａｔｉｏｎ， ｎｏｎ⁃ｉｎｖａｓｉｖｅ ａｎｄ ｎｏ ｒｅａｇｅｎｔ
ｃｏｎｓｕｍｐｔｉｏｎ，ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ （ＮＩＲＳ） ｈａｄ ｂｅｅｎ ｕｓｅｄ ｉｎ ｔｈｅ ｇｅｏｇｒａｐｈｉｃａｌ ｏｒｉｇｉｎ ｔｒａｃｅａｂｉｌｉｔｙ ｏｆ
ｆｏｏｄ ｐｒｏｄｕｃｔｓ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ｔｈｅ ｃｏｍｍｏｎ ｕｓｅｄ ｃｈｅｍｏｍｅｔｒｉｃｓ ａｎｄ ｓｏｆｔｗａｒｅ ｐｌａｔｆｏｒｍ ｆｏｒ
ＮＩＲＳ ａｐｐｌｉｅｄ ｉｎ ｔｈｅ ｇｅｏｇｒａｐｈｉｃａｌ ｏｒｉｇｉｎ ｔｒａｃｅａｂｉｌｉｔｙ ｗｅｒｅ ｉｎｔｒｏｄｕｃｅｄ Ｍｅａｎｗｈｉｌｅ，ｔｈｅ ｒｅｓｅａｒｃｈ ａｄｖａｎｃｅ ｏｆ
ＮＩＲＳ ａｐｐｌｉｅｄ ｉｎ ｔｈｅ ｇｅｏｇｒａｐｈｉｃａｌ ｏｒｉｇｉｎ ｔｒａｃｅａｂｉｌｉｔｙ ｏｆ ｆｏｏｄ ｐｒｏｄｕｃｔｓ ｂｏｔｈ ａｔ ｈｏｍｅ ａｎｄ ａｂｒｏａｄ ｗａｓ
ｓｕｍｍａｒｉｚｅｄ，ａｎｄ ｔｈｅ ａｄｖａｎｔａｇｅｓ ａｎｄ ｐｒｏｂｌｅｍｓ ｏｆ ＮＩＲＳ ｗｅｒｅ ａｎａｌｙｚｅｄ Ｉｔ ｗａｓ ｅｘｐｅｃｔｅｄ ｔｏ ｐｒｏｖｉｄｅ ａ ｕｓｅｆｕｌ
ｄｉｒｅｃｔｉｏｎ ｆｏｒ ｔｈｅ ｆｕｔｕｒｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ＮＩＲＳ ｉｎ ｆｏｏｄ ｔｒａｃｅａｂｉｌｉｔｙ ｏｆ ｏｒｉｇｉｎ
Ｋｅｙ ｗｏｒｄｓ：ｃｈｅｍｏｍｅｔｒｉｃｓ；ｇｅｏｇｒａｐｈｉｃａｌ ｏｒｉｇｉｎ ｔｒａｃｅａｂｉｌｉｔｙ；ＮＩＲＳ
随着社会的发展及公众消费水平的提高，有机
食品和健康食品日益受到消费者的青睐，特别是对
有产地认证的有机食品和绿色食品的市场认可度
更高，因此，具有地域特色的食品一旦被市场认可，
即可产生良好的经济效益和品牌效应。 然而，由于
经济利益的驱使，往往导致一些不法生产者贩售伪
劣食品，甚至以次充好、乱贴牌混淆消费者的判断，
既使消费者的身体健康和生命安全受到严重威胁，
也严重损害了合法生产厂商的利益。
在此背景下，食品认证工作尤为必要。 当前的
食品认证体系涵盖许多方面，包括原产地标识的建
立、掺假行为的检测等，随着消费者对食品的安全
性和真实性的意识的加强，对食品认证的诉求也在
不断提高。 ２００６年，欧洲理事会（Ｅｕｒｏｐｅａｎ Ｃｏｕｎｃｉｌ，
ＵＣ）开始实行食品认证体系并在条例第 ２０８１ ／ ９２ 号
规定：在一个特定的地理区域使用安全可靠的技术
进行加工、处理和储备的食品可被界定为具有原产
地保护（ｐｒｏｔｅｃｔｅｄ ｄｅｓｉｇｎａｔｉｏｎ ｏｆ ｏｒｉｇｉｎ，ＰＤＯ） ［１］。 食
品认证体系保证了食品的质量与安全，并已经在全
世界范围内得到广泛使用。 我国在食品市场准入
制度和溯源体系并不完善，食品认证体系方面的研
究才刚刚起步，市场中充斥着以假乱真、以次充好
的行为。 因此，为了保护具有地域特色的食品，保
证公平竞争，保障消费者的食品安全，在国内发展
食品产地溯源技术意义重大。
从 ２０世纪 ８０ 年代开始，世界范围内有关农产
品产地溯源技术的研究相继展开。 依据不同来源
农产品的有机成分存在差异、矿物质含量及成分不
同、同位素比值法等原理，分别建立了不同的溯源
技术和方法。 总体来看，溯源技术目前大致包括质
谱技术、分离技术、条码技术和光谱技术等，特别是
光谱技术近年来因其快速、无须前处理以及非侵入
性等优点被广泛用于产地溯源和食品品种的分类
等定性分析中。
近红外光谱技术作为光谱技术的一种，通过在
波数 １２ ０００～４ ０００ ｃｍ－１范围内采集待测试样的光
谱信息来反映有机物分子中 Ｃ—Ｈ、Ｎ—Ｈ、Ｏ—Ｈ 等
含氢基团振动基频在光谱段上的倍频与合频吸收，
每条光谱都完整保留了能反映试样中有机物组分
和含量的信息。 不同产地来源的食品因为产地自
然条件、加工方式、生产原料等不同，导致食品中主
要有机物成分存在很大差别，以此表现在近红外光
谱上的独特信息即可用于产地溯源［２］。
１ 食品近红外产地溯源技术中的常用
化学计量学方法
纵观近红外光谱信息，仅仅提供的是多元和非
特异性信号，所以必须运用其他方法从光谱数据中
筛选出相关信息。 化学计量学是集合数学、化学、
统计学以及计算机科学的一门边缘学科，其运用数
学和统计学方法，设计或选择最优测量程序和实验
方法，并通过解析化学测量数据来获取最大限度的
信息。 在食品定性分析中，化学计量学方法已经被
广泛应用于构建食品之间的差异性模型而达到食
品分类、产地溯源及鉴别掺假的目的。
目前，结合近红外光谱技术应用于食品产地溯
源研究的常用化学计量学方法主要有：簇独立软模
式分类法（ｓｏｆｔ ｉｎｄｅｐｅｎｄｅｎｔ ｍｏｄｅｌｉｎｇ ｏｆ ｃｌａｓｓ ａｎａｌｏｇｙ，
ＳＩＭＣＡ）、偏最小二乘法（ ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ，ＰＬＳ）、
主成分分析（ｐｒｉｎｃｉｐｌｅ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ，ＰＣＡ）、聚
类分析（ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ，ＣＡ）、线性判别分析（ ｌｉｎｅａｒ
ｄｉｓｃｒｉｍｉｎａｔｉｏｎ ａｎａｌｙｓｉｓ， ＬＤＡ ）、 典 型 判 别 分 析
（ｃａｎｏｎｉｃａｌ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ，ＣＤＡ）、正则化分析
（ｒｅｇｕｌａｒｉｚｅｄ ｄｉｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ，ＲＤＡ）、分类回归树
模型（ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｒｅｇｒｅｓｓｉｏｎ ｔｒｅｅｓ，ＣＡＲＴ）及 Ｋ
最邻近法（Ｋ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ，ＫＮＮ）等［３－８］。
１ １ ＳＩＭＣＡ法
ＳＩＭＣＡ是最常用的类建模技术，该技术的基本
特征是设计一种多变量数学模型来专门一次性描
述单独的一类，即在类空间周围构建一个封闭边
界，以这个边界来验证试样是否落在类内，用以直
观地确认类归属。 在 ＳＩＭＣＡ中，每个类别独立使用
ＰＣＡ模型，并且由不同的主成分进行描述。 训练集
中的每一类别的主成分数量由交叉验证结果决定。
通过这种方式，保留了足够的能有效表征每一类别
中大部分变量信息的主成分，同时通过排除代入噪
音信息的主成分以保证类模型的高信噪比［３］。
Ｓｉｎｅｌｌｉ等［４］利用傅里叶近红外光谱技术结合传
统感官评价方法对 １１２组初榨橄榄油进行了产地溯
源研究，分别采用了 ＬＤＡ 和 ＳＩＭＣＡ 分类法，结果表
明，２ 种化学计量学技术对初榨橄榄油产地的判别
正确率分别为 ７１ ６％和 １００％，说明 ＳＩＭＣＡ 在进行
初榨橄榄油产地分类时有极高的分辨率和灵敏度。
Ｖｉｔａｌｅ等［５］采用近红外光谱技术结合化学计量学分
析方法，建立了高附加值的开心果产地溯源身份验
证模型，采集的开心果分别来自 ６ 个不同国家（意
大利、印度、伊朗、叙利亚、土耳其、美国）共 ４８３ 组
试样，以反射模式收集光谱数据并据此建立了簇独
立软模式分类和偏最小二乘判别分析（ｐａｒｔｉａｌ ｌｅａｓｔ
ｓｑｕａｒｅｓ ｄｉｓｃｒｉｍｉｎａｔｉｏｎ ａｎａｌｙｓｉｓ，ＰＬＳ ＤＡ）溯源模型，
发现除了来自土耳其和伊朗的产品外，其他来源的
开心果模型均具有较高的灵敏度和专一度，尤其是
产自意大利的开心果的 ＰＬＳ ＤＡ 模型识别率达到
９５％，而 ＳＩＭＣＡ模型的专一度高达 ９７％。
１ ２ ＰＬＳ法
ＰＬＳ被看作处理多元数据的主要回归技术，是
８７ 生 物 加 工 过 程 第 １２卷
一种多因变量对多自变量的回归建模方法，相当于
多元线性回归分析、典型相关分析及主成分分析的
结合。 ＰＬＳ 对变量 Ｘ 和 Ｙ 同时进行分解，从变量 Ｘ
和 Ｙ中同时提取成分（通常称为因子），然后将因子
按照彼此的相关性从大到小排列［６］。 ＰＬＳ在应用时
受变量约束最少，因此适用于传统的多元校正法所
不适用的许多场合。 ＰＬＳ模型可以预测与原始数据
特征相似的未知试样，本质是统计预测，最常用的
ＰＬＳ技术有偏最小二乘无信息变量消除 （ ｐａｒｔｉａｌ
ｌｅａｓｔ ｓｑｕａｒｅｓ ｕｎｉｎｆｏｒｍａｔｉｖｅ ｖａｒｉａｂｌｅ ｅｌｉｍｉｎａｔｉｏｎ，ＰＬＳ
ＵＶＥ）和 ＰＬＳ ＤＡ。 Ｓｕｎ 等［７］对来自于 ３ 个牧区和
２ 个农业区的羔羊肉进行了产地溯源，实验中采集
了 ９９只 ７～１０月龄羔羊的右后腿肉作为研究对象，
羔羊肉分别产自内蒙古自治区锡林郭勒盟、呼伦贝
尔市、阿拉善盟以及重庆市和菏泽市，对 ９９ 组肉试
样的光谱数据进行了主成分分析和 ＰＬＳ ＤＡ建模，
结果表明对所有羔羊肉预测率都达到 １００％。 由此
可知，近红外光谱技术结合ＰＬＳ ＤＡ建立的模型可
以用于食品产地溯源研究，且模型的预测精度高。
１ ３ ＰＣＡ法
ＰＣＡ是一种通过减少数据维度，同时尽可能多
地保留原始数据中有用信息并允许可视化的技术。
因此，ＰＣＡ是将原始测量变量转化为新的不相关的
变量，即主成分 （ ｐｒｉｎｃｉｐｌｅ ｃｏｍｐｏｎｅｎｔｓ， ＰＣｓ），每个
ＰＣｓ是原始测量变量的线性组合。 这种技术同时提
供了一组表示数据中最大方差的正交轴，第一主成
分（ＰＣ１）在全方差中所占的比例最大，第二主成分
（ＰＣ２）与第一主成分不相关，而在残余方差中所占
的比例最大，依此类推，直到达到总方差。 ＰＣＡ 通
常作为产地溯源和品种分类中软件建模的基础分
析模块。 Ｌｕｎａ等［８］结合近红外光谱技术（ＮＩＲＳ）和
多元分类法来区别非转基因和转基因大豆油，应用
ＰＣＡ提取光谱数据中的相关变量并剔除异常值，然
后在此基础上采用支持向量机判别分析 （ ＳＶＭ
ＤＡ）和 ＰＬＳ ＤＡ 进行分类，结果表明应用 ＳＶＭ
ＤＡ分类结果正确率分别为 １００％、９０％，而应用 ＰＬＳ
ＤＡ分类结果分别为 ９５％、１００％。 由此可见，ＮＩＲＳ
可以提供一种快速、非破坏性且可靠的方法用于区
别非转基因和转基因大豆油。
２ 食品近红外产地溯源技术中软件平
台的应用
近红外光谱技术是一门从很强的背景信号中提
取相对较弱的有用信息的技术，因此必须借助于化学
计量学软件［９］。 图 １为近红外产地溯源技术流程示
意图，在该示意图中，软件平台需要完成 ３ 个方面内
容：光谱数据预处理，以消除噪声和减少基线漂移等；
定量和定性分析，目的是建立稳定可靠的分析模型；
模型传递，即将一台设备上建立的模型经过校正后转
移到相同或类似的设备上，从而提高模型的适用性以
减少模型建立所需的时间和费用。
图 １ 近红外产地溯源技术流程示意
Ｆｉｇ １ Ｔｅｃｈｎｉｃａｌ ｆｌｏｗ ｄｉａｇｒａｍ ｏｆ ｇｅｏｇｒａｐｈｉｃａｌ ｏｒｉｇｉｎ
ｔｒａｃｅａｂｉｌｉｔｙ ｏｆ ｆｏｏｄ ｐｒｏｄｕｃｔｓ ｂｙ ＮＩＲ
２ １ 光谱数据预处理
光谱数据预处理是建模的一个重要阶段，可以保
证光谱数据和食品组成之间很好的相关性。 一般预
处理软件都是和近红外光谱仪相配套，现阶段使用最
广泛的 ２ 种软件是：美国 Ｂｒｕｋｅｒ 光谱公司发行的
ＯＰＵＳ软件及 Ｎｉｃｏｌｅｔ 公司的 Ｏｍｎｉｃ。 这 ２ 种预处理
软件价格都比较低，功能简单便于掌握，但依然能够
满足绝大部分用户需求；且都提供了常规光谱处理，
如光谱计算、透射 吸收转换、自动基线校正、光谱平
滑等，还可以同时处理多张图谱及 ３Ｄ图谱。
２ ２ 产地溯源模型的建立
在食品产地溯源建模过程中，常用的软件有
ＣＡＭＯ公司开发的 Ｕｎｓｃｒａｍｂｌｅｒ 软件、ＭａｔｈＷｏｒｋｓ 公
司的 ＭＡＴＬＡＢ软件、Ｔｈｅｒｍｏ Ｅｌｅｃｔｒｏｎ 公司的 ＧＲＡＭＳ
软件［１０］。 Ｕｎｓｃｒａｍｂｌｅｒ是一个完善的多变量分析及
实验设计软件，通过解析物质成分含量与复合光谱
信息中的吸收对应关系，完成模型建立，从而解决
了从大量的复合光谱信息中提取物质成分要素的
问题。 该软件备有强大数据处理方法，例如 ＰＣＡ、
ＰＬＳ、ＳＩＭＣＡ、ＰＬＳ ＤＡ 等，具备多变量绘图功能，如
９７ 第 ２期 管 骁等：近红外光谱技术在食品产地溯源中的应用进展
直接绘制线性图、直方图、矩阵图，同时根据分析结
果按照预先设定的方式输出，能显示主成分得分
图、载荷图、相关系数、方差、预测实际图、残差图等
１００多种统计图表［１１］。
２ ３ 模型转移
模型转移技术是近红外光谱技术为提高模型
的适用性而发展起来的（见图 １ 中黑实箭头指示的
流程），吴继明［１２］设计的 Ｎｉｒｍｄｔ 软件集成了分段直
接校正（ｐｉｅｃｅｗｉｓｅ ｄｉｒｅｃｔ ｓｔａｎｄａｒｄｉｚａｔｉｏｎ，ＰＤＳ）、有限
冲击响应（ ｆｉｎｉｔｅ ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ，ＦＩＲ）等模型转移
算法，成功修正了 ＷＱＦ ４００Ｎ 型傅里叶近红外光
谱仪器之后，对菜籽油试样进行了测定，提高了模
型的预测精度。 国内外对于近红外光谱技术中模
型转移的研究还不够深入，因此必须加大模型转移
方向的研究力度，真正实现仪器标准化和模型共享。
３ 食品近红外产地溯源技术的研究现状
近红外光谱技术应用于食品产地溯源始于 ２０
世纪 ８０年代，由于产地品牌保护意识的提高以及掺
假行为的加剧，使近红外技术在产地溯源、品种分
类以及掺假检测方面的应用不断取得突破性进展。
国外对于食品产地和品牌保护意识较高，如欧洲国
家建立的原产地产品保护（ＰＤＯ），受保护的食品主
要集中在附加值较高的产品，如葡萄酒、橄榄油等。
但我国在该领域的研究还处在初始阶段，因此若想
保护具有地域特色的产品，发展高附加值的食品，
更要加大产地溯源及品牌保护技术的研发力度。
３ １ 鱼、肉类食品溯源
Ｘｉｃｃａｔｏ等［２］利用近红外光谱技术建立了 ３ 种
意大利鱼类养殖场的 ＳＩＭＣＡ分类模型，实验捕获了
散养、半散养、笼养模式下的 ２３６ 组试样，其中新鲜
鱼片近红外光谱数据建立的模型识别率分别为
６５％、５８％、４５％，冻干鱼片建立的模型识别率分别
为 ８３％、８０％、７４％，据此得出结论：近红外光谱技术
结合 ＳＩＭＣＡ可以用来建立产地溯源模型，且试样的
处理状态可能会影响模型的精度。
Ｄｉａｎ等［１３］建立了近红外光谱技术对于散养与
精饲料喂养的羔羊肉的鉴别模型，研究中采集了
１２０组散养羔羊肉试样和 １３９ 组精饲料喂养的羔羊
肉试样的红外光谱，用以构造 ＰＬＳ ＤＡ模型。 所建
模型对于 ２种饲养方式下的羔羊肉试样的正确识别
率分别为 ９７ ８％和 ９７ ５％，同时比较了调用不同波
段光谱数据建立的 ＰＬＳ ＤＡ模型的识别能力，结果
发现全波段光谱建立的模型的识别能力最高，这可
能是因为全波段光谱携带了更多有用信息。
张宁等［１４］采用近红外光谱技术结合 ＳＩＭＣＡ 识
别方法，对来自于国内 ４ 个不同产地的羊肉建立了
溯源模型，结果表明，在 １％显著水平下，４ 个产地校
正集模型对未知试样的识别率分别为 ９５％、１００％、
１００％和 １００％，拒绝率均为 １００％，其验证集模型的
识别率分别为 １００％、８３％、１００％和 ９２％，拒绝率均
为 １００％，由此证明了近红外光谱技术作为羊肉产
地溯源的方法是切实可行的。
３ ２ 食用油溯源
Ｇａｌｔｉｅｒ 等［１５］用化学计量学处理过的近红外光
谱数据定量评估了 １２５组法国 ５个地区初榨橄榄油
试样中的脂肪酸和三酰甘油，并对试样组建立了
ＰＬＳ ＤＡ产地溯源模型，模型预测出了产于 Ａｉｘ⁃ｅｎ⁃
Ｐｒｏｖｅｎｃｅ、 Ｈａｕｔｅ⁃Ｐｒｏｖｅｎｃｅ、 Ｎｉｃｅ、 Ｎｙｏｎｓ、 Ｖａｌｌｅｅ ｄｅｓ
Ｂａｕｘ 的初榨橄榄油的正确鉴别率分别为 ９１％、
８８％、９０％、８５％和 ８３％，结果表明近红外技术可以
用来对初榨橄榄油的化学成分进行定量分析，并且
验证了建立产地溯源模型时不需要测定的化学成
分。 Ｂｅｖｉｌａｃｑｕａ等［１６］将近红外光谱指纹图谱技术与
化学计量学耦合，对特级初榨橄榄油试样进行了产
地溯源。 实验发现收集的橄榄油试样中有 ２０ 组来
自于有原产地认证的 Ｓａｂｉｎａ，３７ 组则来自其他产
地，用预处理之后的光谱数据建立的 ＰＬＳ ＤＡ模型
正确识别率达 １００％，而使用同样数据建立的
ＳＩＭＣＡ验证模型的识别率也达 １００％。 由此可见，
近红外可以作为一种快速溯源橄榄油试样的技术，
并且随着化学计量学的发展以及计算机功能的不
断强大，近红外光谱溯源技术可能会朝着便携式、
快速化的方向发展。
３ ３ 酒类溯源
Ｌｉｕ等［１７］将近红外光谱技术用于分类区别于来
自不同国家（澳大利亚、新西兰、法国、德国）的雷司
令葡萄酒，用透射模式对 ５０组市售葡萄酒进行扫描
并收集近红外光谱数据，并分别采用 ＰＣＡ、ＰＬＳ
ＤＡ、逐步线性判别分析 （ｓｔｅｐｗｉｓｅ ｌｉｎｅａｒ ｄｉｓｃｒｉｍｉｎａｎｔ
ａｎａｌｙｓｉｓ，ＳＬＤＡ）等化学计量学进行光谱数据预处理
与建模，同时进行交叉验证，发现 ＰＬＳ ＤＡ 校正模
型对澳大利亚、新西兰、法国、德国的雷司令葡萄酒
的正确鉴别率分别为 ９７ ５％、 ８０％、 ７０ ５％ 和
８６ ５％，ＳＤＬＡ模型的正确识别率分别为 ８６％、６７％、
６７％和 ８７ ５％，结果表明近红外光谱携带的信息可
０８ 生 物 加 工 过 程 第 １２卷
以用来分类葡萄酒产地，而葡萄酒酿酒工艺、发酵
菌种以及葡萄种类均是造成近红外光谱差异的主
要原因。
Ｅｇｉｄｉｏ等［１８］收集了比利时和其他欧洲国家生
产的啤酒共 ２７５ 组试样，利用近红外传输反射光谱
（ｔｒａｎｓｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒａｌ）数据并结合 ３种类建模方法
（简易分类法、潜功能技术、不等分布分类法）分别
建立了 Ｔｒａｐｐｉｓｔ 和 Ｒｏｃｈｅｆｏｒｔ ２ 个产地啤酒定性模
型，以灵敏度（ｓｅｎｓｉｔｉｖｉｔｙ）、专一度（ｓｐｅｃｉｆｉｃｉｔｙ）、有效
性（ｅｆｆｉｃｉｅｎｃｙ）来评价模型的精度，最后用 ＰＬＳ ＤＡ
区别 Ｒｏｃｈｅｆｏｒｔ ８度和 １０度啤酒，结果表明：Ｔｒａｐｐｉｓｔ
啤酒模型的灵敏度较低，而 ＳＩＭＣＡ 和不等分布分类
法 （ ｕｎｅｑｕａｌ ｄｉｓｐｅｒｓｅｄ ｃｌａｓｓｅｓ， ＵＮＥＱ ） 建 立 的
Ｒｏｃｈｅｆｏｒｔ模型的灵敏度分别为 ８１ ４％和 ８４ ５％，
ＰＬＳ ＤＡ建立的对不同度数啤酒的判别模型的正
确分类比例达到 ９３ ４％，模型精度都不高的原因可
能是分布在多维空间中的数据较复杂从而影响了
模型的专一度，还有可能是数据变量中包含的有用
信息较少，因此找到一种剔除数据变量中无用信息
的方法是提高模型精度的有效手段。
３ ４ 其他类食品的溯源
Ｃｏｚｚｏｌｉｎｏ等［１９］对巴拉圭茶建立地理起源标识
时，使用近红外光谱数据并结合 ＰＣＡ、ＰＬＳ ＤＡ以及
ＬＤＡ技术，其中 ＰＬＳ ＤＡ与 ＬＤＡ建立的分类模型的
整体识别率分别为 ７６％和 １００％，结果表明近红外光
谱技术可以用于食品生产链中原材料的初步筛选，而
模型建立时应用的分类方法以及模型转移还需进一
步研究。 刘沭华等［２０］采用近红外光谱结合 ＫＮＮ 和
支持向量机（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ，ＳＶＭ）模式识别
技术，对来自 ４个不同产地的白芷试样和 ６个不同产
地的丹参试样进行了鉴别，结果表明，模型交叉验证
准确率分别达到 ９９％和 ９５％，说明近红外技术在中药
材溯源研究领域也有较好的应用前景。
综上所述，很多情况下近红外光谱技术结合化
学计量学方法可以为食品产地溯源提供一个快速、
操作简便、非侵入式的认证工具。 然而近红外光谱
技术对食品进行产地溯源，归根结底是对食品进行
品种分类，其中食品掺假检验的研究也是食品产地
溯源研究中的重要任务，国内外学者已经在食品品
种分类和掺假检验方面进行了初探，Ｐｏｎｔｅｓ 等［２１］应
用近红外光谱技术对 ４ 种酒精饮料（威士忌、白兰
地、朗姆酒、伏特加）进行分类并对掺假饮料进行确
认。 结果在置信水平为 ９５％时，ＳＩＭＣＡ 模型对 ４ 种
酒精饮料的识别率为 １００％，并发现利用此模型对
掺入 ５％和 １０％的水、乙醇、甲醇的试样识别率也达
１００％。 因此，近红外光谱技术可以作为一种筛选分
析工具用来检测酒精饮料的掺假行为。
Ｍａｒｉａ等［２２］提出用近红外光谱技术对乳粉进行
分类，实验中 ３８ 组乳粉试样来自巴西的纳塔尔、萨
尔瓦多以及里约热内卢，采用的 ＳＩＭＣＡ 建模方法可
使最终的分类精度达到 １００％。 因此，证明近红外
光谱技术可以代替常规定量测定方法实现乳粉分
类，该方法快速且对试样无破坏。
Ｇｈａｓｅｍｉ⁃Ｖａｒｎａｍｋｈａｓｔｉ等［２３］研究了近红外光谱
技术与化学计量学结合用以监测啤酒老化的可行性。
研究中采集了 ８３组市售含酒精的与不含酒精的灌装
啤酒，运用连续投影算法 （ ｓｕｃｃｅｓｓｉｖｅ ｐｒｏｊｅｃｔｉｏｎｓ
ａｌｇｏｒｉｔｈｍ，ＳＰＡ）选择近红外光谱变量建立 ＬＤＡ 分类
模型，由 ＰＣＡ结果可知，３个熟龄阶段（１、１０和 ２０ｄ）
的啤酒明显具有聚类效果，且 ＳＩＭＣＡ 验证模型对酒
精类啤酒的识别率达到 １００％，对不含酒精的啤酒的
识别率只有 ８２％。 而连续投影算法结合线性判别分
析法（ｓｕｃｃｅｓｓｉｖｅ ｐｒｏｊｅｃｔｉｏｎｓ ａｌｇｏｒｉｔｈｍ⁃ｌｉｎｅａｒ ｄｉｓｃｒｉｍｉ⁃
ｎａｔｉｏｎ ａｎａｌｙｓｉｓ，ＳＰＡ ＬＤＡ）仅选取了单一波数 ５ ５５０
和 ７ ２２８ ｃｍ－１，对含酒精与不含酒精的啤酒进行预测
时，仅有一组被错误预测。 由此可知，将近红光谱技
术与化学计量学结合用于在线检测的啤酒老化的构
想可能会实现，进一步验证时还须加大试样量，而建
模方法的选择仍需探究。
４ ＮＩＲＳ技术在食品产地溯源中存在
的问题与展望
近年来，近红外光谱技术在食品产地溯源方面
的研究尽管得到了飞速发展，但仍存在以下几方面
的问题有待进一步深入研究：１）溯源模型的识别率
有待进一步提高。 这主要是由于近红外模型中的
数据变量分散在多维空间，影响了模型的专一度。
即使利用全波段光谱进行建模，但由于数据中有用
信息量较少，仍会导致所建模型稳健度较低，影响
最终的预测结果。 因此，以后的研究中可以通过筛
选有用数据变量集、剔除异常试样值等方法提高建
模精度；同时增加模型中试样的数量，不仅可使得
聚类效果更佳，也可以使模型涵盖的试样信息更丰
富，从而提高预测率，减少错误识别。 ２）目前将实
验阶段的食品产地溯源模型用于实际食品产地检
测还须进行多方面探索，如算法的选择、模型的适
１８ 第 ２期 管 骁等：近红外光谱技术在食品产地溯源中的应用进展
应等。 ３）适用于处理近红外光谱信息的化学计量
学软件仍有待进一步完善，以提高近红外技术的分
析速度与预测精度等，从而使食品追溯体系更加健
全。 与传统分析检测方法相比，现代近红外光谱技
术检测速度快，信息处理的自动化程度也大大提
高，减少了人为分析的误差，同时避免了试样破坏，
因此近红外光谱检测技术在食品产地溯源中的应
用前景将越来越广阔。
参考文献：
［ １ ］ Ｄｒｉｖｅｌｏｓ Ｓ Ａ，Ｇｅｏｒｇｉｏｕ Ｃ Ａ Ｍｕｌｔｉ⁃ｅｌｅｍｅｎｔ ａｎｄ ｍｕｌｔｉ⁃ｉｓｏｔｏｐｅ⁃ｒａｔｉｏ
ａｎａｌｙｓｉｓ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｇｅｏｇｒａｐｈｉｃａｌ ｏｒｉｇｉｎ ｏｆ ｆｏｏｄｓ ｉｎ ｔｈｅ
ｅｕｒｏｐｅａｎ ｕｎｉｏｎ［Ｊ］ ．Ｔｒａｃｅ Ｔｒｅｎｄｓ ｉｎ Ａｎａｌｙｔｉｃａｌ Ｃｈｅｍｉｓｔｒｙ，２０１２，
４０：３８⁃５１
［ ２ ］ Ｘｉｃｃａｔｏ Ｇ， Ｔｒｏｃｉｎｏ Ａ， Ｔｕｌｌｉ Ｆ， ｅｔ ａｌ Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｈｅｍｉｃａｌ
ｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ ｏｒｉｇｉｎ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｅｕｒｏｐｅａｎ ｓｅａ ｂａｓｓ
（ Ｄｉｃｅｎｔｒａｒｃｈｕｓ ｌａｂｒａｘ Ｌ ） ｂｙ ｎｅａｒ ｉｎｆｒａｒｅｄ ｒｅｆｌｅｃｔａｎｃｅ
ｓｐｅｃｔｒｏｓｃｏｐｙ （ＮＩＲｓ）［Ｊ］．Ｆｏｏｄ Ｃｈｅｍｉｓｔｒｙ，２００４，８６（２）：２７５⁃２８１
［ ３ ］ Ｓｖｅｎｓｓｏｎ Ｏ， Ｊｏｓｅｆｓｏｎ Ｍ， Ｌａｎｇｋｉｌｄｅ Ｆ Ｗ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ
ｃｈｅｍｉｃａｌｌｙ ｍｏｄｉｆｉｅｄ ｃｅｌｌｕｌｏｓｅｓ ｕｓｉｎｇ ａ ｎｅａｒ⁃ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｍｅｔｅｒ
ａｎｄ ｓｏｆｔ ｉｎｄｅｐｅｎｄｅｎｔ ｍｏｄｅｌｉｎｇ ｏｆ ｃｌａｓｓ ａｎａｌｏｇｉｅｓ ［ Ｊ］ ． Ａｐｐｌｉｅｄ
Ｓｐｅｃｔｒｏｓｃｏｐｙ，１９９７，５１（１２）：１８２６⁃１８３５
［ ４ ］ Ｓｉｎｅｌｌｉ Ｎ， Ｃｅｒｒｅｔａｎｉ Ｌ， Ｅｇｉｄｉｏ Ｖ Ｄ， ｅｔ ａｌ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｎｅａｒ
（ＮＩＲ） ｉｎｆｒａｒｅｄ ａｎｄ ｍｉｄ （ｍｉｒ） ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｓ ａ ｒａｐｉｄ
ｔｏｏｌ ｔｏ ｃｌａｓｓｉｆｙ ｅｘｔｒａ ｖｉｒｇｉｎ ｏｌｉｖｅ ｏｉｌ ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｆｒｕｉｔｙ ａｔｔｒｉｂｕｔｅ
ｉｎｔｅｎｓｉｔｙ［Ｊ］．Ｆｏｏｄ Ｒｅｓｅａｒｃｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ，２０１０，４３（１）：３６９⁃３７５
［ ５ ］ Ｖｉｔａｌｅ Ｒ，Ｂｅｖｉｌａｃｑｕａ Ｍ，Ｂｕｃｃｉ Ｒ，ｅｔ ａｌ Ａ ｒａｐｉｄ ａｎｄ ｎｏｎ⁃ｉｎｖａｓｉｖｅ
ｍｅｔｈｏｄ ｆｏｒ ａｕｔｈｅｎｔｉｃａｔｉｎｇ ｔｈｅ ｏｒｉｇｉｎ ｏｆ ｐｉｓｔａｃｈｉｏ ｓａｍｐｌｅｓ ｂｙ ＮＩＲ
ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ ｃｈｅｍｏｍｅｔｒｉｃｓ［ Ｊ］ ．Ｃｈｅｍｏｍｅｔｒｉｃｓ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｔ
Ｌａｂｏｒａｔｏｒｙ Ｓｙｓｔｅｍｓ，２０１２，３６（５）：１６８⁃１７５
［ ６ ］ Ｈｕｌｌａｎｄ Ｊ Ｕｓｅ ｏｆ ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ （ Ｐｌｓ ） ｉｎ ｓｔｒａｔｅｇｉｃ
ｍａｎａｇｅｍｅｎｔ ｒｅｓｅａｒｃｈ：ａ ｒｅｖｉｅｗ ｏｆ ｆｏｕｒ ｒｅｃｅｎｔ ｓｔｕｄｉｅｓ［Ｊ］ ．Ｓｔｒａｔｅｇｉｃ
Ｍａｎａｇｅｍｅｎｔ Ｊｏｕｒｎａｌ，１９９９，２０（２）：１９５⁃２０４
［ ７ ］ Ｓｕｎ Ｓ，Ｇｕｏ Ｂ，Ｗｅｉ Ｙ，ｅｔ ａｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｇｅｏｇｒａｐｈｉｃａｌ ｏｒｉｇｉｎｓ
ａｎｄ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｄｅｌｔａ１３ｃ ａｎｄ ｄｅｌｔａ１５ｎ ｖａｌｕｅｓ ｏｆ ｌａｍｂ ｍｅａｔ ｂｙ
ｎｅａｒ ｉｎｆｒａｒｅｄ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］ ．Ｆｏｏｄ Ｃｈｅｍｉｓｔｒｙ，２０１２，
１３５（２）：５０８⁃５１４
［ ８ ］ Ｌｕｎａ Ａ Ｓ，Ｄａ Ｓｉｌｖａ Ａ Ｐ，Ｐｉｎｈｏ Ｊ Ｓ，ｅｔ ａｌ Ｒａｐｉｄ ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ
ｏｆ ｔｒａｎｓｇｅｎｉｃ ａｎｄ ｎｏｎ⁃ｔｒａｎｓｇｅｎｉｃ ｓｏｙｂｅａｎ ｏｉｌｓ ｂｙ ｃｈｅｍｏｍｅｔｒｉｃ
ｍｅｔｈｏｄｓ ｕｓｉｎｇ ＮＩＲ ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］ ．Ｓｐｅｃｔｒｏｃｈｉｍｉｃａ Ａｃｔａ Ｐａｒｔ Ａ：
Ｍｏｌｅｃｕｌａｒ ａｎｄ Ｂｉｏｍｏｌｅｃｕｌａｒ Ｓｐｅｃｔｒｏｓｃｏｐｙ，２０１３，１００（１）：１５⁃１９
［ ９ ］ 刘国珍，陈祖刚，李丹，等．近红外光谱分析技术进展及其在
烟草行业中的应用［Ｊ］ ．烟草科技，２００１（１１）：１５⁃１７
［１０］ 陆婉珍 现代近红外光谱分析技术［Ｍ］ 北京：中国石化出
版社，２００７
［１１］ Ｆａｂｅｒ Ｋ， Ｋｏｗａｌｓｋｉ Ｂ Ｒ Ｐｒｅｄｉｃｔｉｏｎ ｅｒｒｏｒ ｉｎ ｌｅａｓｔ ｓｑｕａｒｅｓ
ｒｅｇｒｅｓｓｉｏｎ： ｆｕｒｔｈｅｒ ｃｒｉｔｉｑｕｅ ｏｎ ｔｈｅ ｄｅｖｉａｔｉｏｎ ｓｓｅｄ ｉｎ ｔｈｅ
ｕｎｓｃｒａｍｂｌｅｒ［Ｊ］ ． Ｃｈｅｍｏｍｅｔｒｉｃｓ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｔ Ｌａｂｏｒａｔｏｒｙ
Ｓｙｓｔｅｍｓ，１９９６，３４（２）：２８３⁃２９２
［１２］ 吴继明 模型转移技术在近红外光谱仪器上的应用研究
［Ｄ］．镇江：江苏大学，２００７
［１３］ Ｄｉａｎ Ｐ Ｈ，Ａｎｄｕｅｚａ Ｄ，Ｊｅｓｔｉｎ Ｍ，ｅｔ ａｌ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｖｉｓｉｂｌｅ ａｎｄ
ｎｅａｒ ｉｎｆｒａｒｅｄ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｔｏ ｄｉｓｃｒｉｍｉｎａｔｅ ｂｅｔｗｅｅｎ
ｐａｓｔｕｒｅ⁃ｆｅｄ ａｎｄ ｃｏｎｃｅｎｔｒａｔｅ⁃ｆｅｄ ｌａｍｂ ｃａｒｃａｓｓｅｓ ［ Ｊ ］ ． Ｍｅａｔ
Ｓｃｉｅｎｃｅ，２００８，８０（４）：１１５７⁃１１６４．
［１４］ 张宁，张德权，李淑荣，等．近红外光谱结合 ＳＩＭＣＡ 法溯源羊
肉产地的初步研究 ［ Ｊ］ ．农业工程学报， ２００９， ２４ （ １２ ）：
３０９⁃３１２
［１５］ Ｇａｌｔｉｅｒ Ｏ，Ｄｕｐｕｙ Ｎ，Ｌｅ Ｄｒｅａｕ Ｙ， ｅｔ ａｌ Ｇｅｏｇｒａｐｈｉｃ ｏｒｉｇｉｎｓ ａｎｄ
ｃｏｍｐｏｓｉｔｉｏｎｓ ｏｆ ｖｉｒｇｉｎ ｏｌｉｖｅ ｏｉｌｓ ｄｅｔｅｒｍｉｎａｔｅｄ ｂｙ ｃｈｅｍｏｍｅｔｒｉｃ
ａｎａｌｙｓｉｓ ｏｆ ＮＩＲ ｓｐｅｃｔｒａ［ Ｊ］ ． Ａｎａｌｙｔｉｃａ Ｃｈｉｍｉｃａ Ａｃｔａ，２００７，５９５
（１ ／ ２）：１３６⁃１４４
［１６］ Ｂｅｖｉｌａｃｑｕａ Ｍ，Ｂｕｃｃｉ Ｒ，Ｍａｇｒｉ Ａ Ｄ，ｅｔ ａｌ Ｔｒａｃｉｎｇ ｔｈｅ ｏｒｉｇｉｎ ｏｆ
ｅｘｔｒａ ｖｉｒｇｉｎ ｏｌｉｖｅ ｏｉｌｓ ｂｙ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ ｃｈｅｍｏｍｅｔｒｉｃｓ：
ａ ｃａｓｅ ｓｔｕｄｙ［Ｊ］ ．Ａｎａｌｙｔｉｃａ Ｃｈｉｍｉｃａ Ａｃｔａ，２０１２，７１（７）：３９⁃５１
［１７］ Ｌｉｕ Ｌ，Ｃｏｚｚｏｌｉｎｏ Ｄ，Ｃｙｎｋａｒ Ｗ Ｕ，ｅｔ ａｌ Ｐｒｅｌｉｍｉｎａｒｙ ｓｔｕｄｙ ｏｎ ｔｈｅ
ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｖｉｓｉｂｌｅ⁃ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ ｃｈｅｍｏｍｅｔｒｉｃｓ
ｔｏ ｃｌａｓｓｉｆｙ ｒｉｅｓｌｉｎｇ ｗｉｎｅｓ ｆｒｏｍ ｄｉｆｆｅｒｅｎｔ ｃｏｕｎｔｒｉｅｓ［Ｊ］ ． Ｆｏｏｄ
Ｃｈｅｍｉｓｔｒｙ，２００８，１０６（２）：７８１⁃７８６
［１８］ Ｅｇｉｄｉｏ Ｖ Ｄ，Ｏｌｉｖｅｒｉ Ｐ，Ｗｏｏｄｃｏｃｋ Ｔ，ｅｔ ａｌ Ｃｏｎｆｉｒｍａｔｉｏｎ ｏｆ ｂｒａｎｄ
ｉｄｅｎｔｉｔｙ ｉｎ ｆｏｏｄｓ ｂｙ ｎｅａｒ ｉｎｆｒａｒｅｄ ｔｒａｎｓｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｕｓｉｎｇ
ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｃｌａｓｓ⁃ｍｏｄｅｌｌｉｎｇ ｃｈｅｍｏｍｅｔｒｉｃ ｔｅｃｈｎｉｑｕｅｓ： ｔｈｅ
ｅｘａｍｐｌｅ ｏｆ ａ ｂｅｌｇｉａｎ ｂｅｅｒ［Ｊ］ ．Ｆｏｏｄ Ｒｅｓｅａｒｃｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ，２０１１，
４４（２）：５４４⁃５４９
［１９］ Ｃｏｚｚｏｌｉｎｏ Ｄ，Ｒｅｓｔａｉｎｏ Ｅ，Ｆａｓｓｉｏ Ａ Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ ｏｆ ｙｅｒｂａ ｍａｔｅ
（ Ｉｌｅｘ ｐａｒａｇｕａｙｅｎｓｉｓ ｓｔ ｈｉｌ ） ｓａｍｐｌｅｓ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅｉｒ
ｇｅｏｇｒａｐｈｉｃａｌ ｏｒｉｇｉｎ ｂｙ ｍｅａｎｓ ｏｆ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ
ｍｕｌｔｉｖａｒｉａｔｅ ａｎａｌｙｓｉｓ ［ Ｊ］ ． Ｓｅｎｓｉｎｇ ａｎｄ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ ｆｏｒ Ｆｏｏｄ
Ｑｕａｌｉｔｙ ａｎｄ Ｓａｆｅｔｙ，２０１０，４（２）：６７⁃７２
［２０］ 刘沭华，张学工，周群，等．近红外漫反射光谱法和模式识别
技术鉴别中药材产地［ Ｊ］ ．光谱学与光谱分析，２００６，２６（４）：
６２９⁃６３２
［２１］ Ｐｏｎｔｅｓ Ｍ Ｊ Ｃ，Ｓａｎｔｏｓ Ｓ Ｒ Ｂ，Ａｒａ Ｊｏ Ｍ Ｃ Ｕ，ｅｔ ａｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ
ｄｉｓｔｉｌｌｅｄ ａｌｃｏｈｏｌｉｃ ｂｅｖｅｒａｇｅｓ ａｎｄ ｖｅｒｉｆｉｃａｔｉｏｎ ｏｆ ａｄｕｌｔｅｒａｔｉｏｎ ｂｙ
ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｍｅｔｒｙ［Ｊ］ ． Ｆｏｏｄ Ｒｅｓｅａｒｃｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ，
２００６，３９（２）：１８２⁃１８９
［２２］ Ｉｎáｃｉｏ Ｍ Ｒ Ｃ，ｄｅ Ｍｏｕｒａ Ｍ Ｆ Ｖ，ｄｅ Ｌｉｍａ Ｋ Ｍ Ｇ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ
ａｎｄ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｔｏｔａｌ ｐｒｏｔｅｉｎ ｉｎ ｍｉｌｋ ｐｏｗｄｅｒ ｕｓｉｎｇ ｎｅａｒ
ｉｎｆｒａｒｅｄ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒｏｍｅｔｒｙ ａｎｄ ｔｈｅ ｓｕｃｃｅｓｓｉｖｅ ｐｒｏｊｅｃｔｉｏｎｓ
ａｌｇｏｒｉｔｈｍ ｆｏｒ ｖａｒｉａｂｌｅ ｓｅｌｅｃｔｉｏｎ ［ Ｊ ］ ． Ｖｉｂｒａｔｉｏｎａｌ Ｓｐｅｃｔｒｏｓｃｏｐｙ，
２０１１，５７（２）：３４２⁃３４５
［２３］ Ｇｈａｓｅｍｉ⁃Ｖａｒｎａｍｋｈａｓｔｉ Ｍ，Ｍｏｈｔａｓｅｂｉ Ｓ Ｓ，Ｒｏｄｒｉｇｕｅｚ⁃Ｍｅｎｄｅｚ Ｍ
Ｌ，ｅｔ ａｌ Ｓｃｒｅｅｎｉｎｇ ａｎａｌｙｓｉｓ ｏｆ ｂｅｅｒ ａｇｅｉｎｇ ｕｓｉｎｇ ｎｅａｒ ｉｎｆｒａｒｅｄ
ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ ｔｈｅ ｓｕｃｃｅｓｓｉｖｅ ｐｒｏｊｅｃｔｉｏｎｓ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｖａｒｉａｂｌｅ
ｓｅｌｅｃｔｉｏｎ［Ｊ］ Ｔａｌａｎｔａ，２０１２，８９（２）：８６⁃９１
（责任编辑 周晓薇）
２８ 生 物 加 工 过 程 第 １２卷