近红外光谱技术与化学计量学在评估鱼片标签错误方面的有效性

《Journal of Food Composition and Analysis》：Efficiency of NIR Spectroscopy and Chemometrics to Assess Mislabeling of Fish Fillets

　　近红外光谱技术结合化学计量学可有效鉴别五种鱼类肌片的物种，便携式设备SCiO准确率达93.9%以上，显著优于其他两款仪器。研究验证了NIR在反鱼类欺诈中的实用价值，为市场快速检测提供新方案。

　　近年来，食品欺诈问题在渔业领域愈发严重，尤其是在鱼类产品中，如鱼片的标签错误和物种替换现象尤为突出。这类欺诈行为不仅影响消费者权益，还可能对生态环境和公共健康造成潜在威胁。为了解决这一问题，研究人员尝试开发快速、非破坏性且经济高效的检测方法，以提高对鱼类产品真实性的判断能力。本研究中，科学家们采用了一种结合近红外（NIR）光谱技术与化学计量学的方法，用于识别五种不同鱼类的鱼片。实验中使用了三种不同类型的NIR设备，包括便携式手持设备、可携带设备以及实验室级设备，以评估它们在识别鱼类鱼片方面的性能差异。

研究中所选的五种鱼类分别是大西洋鳕鱼（Gadus morhua）、金斑石斑鱼（Epinephelus costae）、管拟鲈（Chelidonichthys lucerna）、加那利比目鱼（Synaptura cadenati）以及欧洲比目鱼（Pleuronectes platessa）。每种鱼类都选取了50个新鲜鱼片样本，共计250个样本。这些样本在实验前按照标准商业处理流程进行准备，以确保所有样本在大小、厚度和解剖位置上保持一致。在实验过程中，样本被分别使用三种NIR设备进行扫描，所得光谱数据经过预处理和分析，构建了分类模型。结果显示，手持式SCiO设备在交叉验证和测试集预测中分别达到了93%以上的准确率，而实验室级的MPA设备和便携式MicroNIR设备则分别达到了83%和81%的准确率。这些结果表明，NIR光谱技术与化学计量学方法的结合在食品真实性检测方面具有很高的可靠性。

在实验过程中，研究人员对三种NIR设备进行了详细的性能评估。SCiO设备因其便携性和低成本，成为理想的现场检测工具。MicroNIR设备虽然具有更高的光谱分辨率，但其准确率略低于SCiO。MPA设备作为实验室级设备，虽然在准确率上表现良好，但其处理时间较长，不如便携式设备方便。通过对比不同设备的性能，研究人员发现，尽管设备类型不同，它们在识别鱼类鱼片方面均表现出较高的准确率，说明NIR技术在这一领域具有广泛的应用前景。

为了进一步验证NIR光谱技术的有效性，研究人员还对分类模型的性能进行了深入分析。通过主成分分析（PCA）和偏最小二乘判别分析（PLS-DA）等化学计量学方法，研究人员能够有效地识别出不同鱼类之间的光谱差异。PCA分析结果显示，所有光谱数据集都表现出明显的分类趋势，尽管某些鱼类之间的光谱特征较为相似。PLS-DA模型在所有数据集中均取得了较高的准确率，其中SCiO设备的准确率最高，达到94%以上。此外，研究人员还利用了Consumer Physics公司提供的在线平台“The Lab”进行分类分析，结果显示其准确率与传统化学计量学方法相当，说明这一平台在实际应用中具有重要价值。

在分析过程中，研究人员特别关注了NIR光谱中最具影响力的信号区域。通过变量重要性投影（VIP）评分，他们能够确定哪些波长范围对分类结果贡献最大。结果显示，水、蛋白质和脂肪等生物化学成分在NIR光谱中具有显著的特征。例如，SCiO设备在875–920 nm和1045–1070 nm的波长范围内检测到了蛋白质的特征信号，而MPA设备则在1010 nm和1600–1750 nm的波长范围内表现出较高的蛋白质信号强度。对于脂肪类物质，MicroNIR和MPA设备在1120 nm和1210 nm的波长范围内检测到了明显的信号，而SCiO设备则未发现脂肪相关的信号。这些发现进一步支持了NIR光谱技术在食品真实性检测中的应用价值。

尽管NIR光谱技术在检测鱼类鱼片方面表现出色，但研究也指出了一些挑战。例如，某些鱼类（如加那利比目鱼和欧洲比目鱼）在光谱特征上较为相似，导致其分类准确率相对较低。然而，通过进一步的研究，科学家们发现，如果将这些鱼类单独分类，可以显著提高其识别准确率。这表明，NIR光谱技术在某些情况下可能需要更精细的模型调整，以提高分类效果。

此外，研究还强调了NIR光谱技术的优势，包括其快速、非破坏性和经济性。相比传统的DNA和蛋白质分析方法，NIR技术不需要复杂的样本处理过程，也不需要破坏性检测，因此更适合在市场现场进行快速检测。这不仅有助于提高检测效率，还能减少检测成本，使得更多机构和个人能够使用这一技术进行食品欺诈的监控和管理。

研究团队还提到，NIR光谱技术在实际应用中存在一些限制。例如，某些设备的算法是专有的，无法进行信号验证或可视化分析，这可能会影响非专业用户的使用体验。然而，通过结合预训练的化学计量学模型，即使是非专业用户也可以获得可靠的结果。因此，未来的研究可以进一步优化这些模型，使其更加用户友好，并适用于更广泛的检测场景。

综上所述，本研究通过实验验证了NIR光谱技术与化学计量学方法在鱼类鱼片真实性检测中的有效性。三种NIR设备均表现出较高的分类准确率，其中SCiO设备在准确率和便捷性方面表现最佳。这一研究成果为渔业领域的食品欺诈检测提供了新的思路和工具，同时也为未来的研究指明了方向，即如何进一步优化模型，提高分类准确率，并扩大其应用范围。随着技术的不断发展，NIR光谱技术有望成为食品检测领域的重要工具，帮助监管机构和消费者更好地识别和防止食品欺诈行为。