近红外光谱技术在农业中的应用
孔军龙,杨娟,赵京音*
（上海市农业科学院_上海数字农业工程技术研究中心,上海201403）
摘要：近红外光谱技术(NIRS)是20世纪80年代以来发展最快、最引人注目的光谱分析技术.以其快速、无损伤、操作简单、稳定性好、效率高等特点,广泛应用于工业、农业、医学等领域.本文简要介绍了近红外光谱技术原理及特点,采用文献分析法总结了近红外光谱技术在农业领域中的应用,涉及农产品检测,育种及病虫害检测等.着重阐述近红外光谱技术及其在农业领域应用的研究情况并分类介绍各个具体应用的发展历程.
Near infrared spectroscopy technology and its application in agriculture
Kong Jun-long, Yang Juan, Zhao Jing-yin
(Shanghai Digital Agricultural Engineering and Technology Center, Shanghai 201403, China)
Abstract：Near infrared spectrum is the fastest growing since the 1980's, the most compelling spectrum analysis technology. With its fast, no damage, simple operation, good stability, the efficiency high characteristic, which is widely used in industry, agriculture, medicine, etc. This paper briefly introduces the of near infrared spectral technology principle, characteristics and development history, this paper reviews the near infrared (nir) spectroscopy application in the field of agriculture, involving agricultural products detection, breeding, forestry and application, etc. The emphasis on adoption of literature study of near infrared spectral technology and its application field research.
Key words：Near infrared spectrum, Detection and analysis, Applications in agriculture
1 引言
近红外谱区是人类最早发现的非可见光谱区.近红外光(NIR)是指波长在780～2526 nm范围内的电磁波,其光谱区域可以反映分子中C一H、N一H与0一H等基团的倍频、合频振动吸收情况,由此得到有机物和部分无机物的信息[1].近红外光谱法(NIRDRS)是近二十年来发展最为迅速的新型分析检测技术之一,同时也是有机物定性、定量和结构分析最有效的手段之一.它结合了光谱测量、化学计量学和计算机等技术,与部分传统分析方法相比,具有快速、精确度高、分析成本低、多种成分同时分析、样品无需预处理和无损分析等特点.
在近红外光谱范围内,不同的分子具有表征其结构特性的振动频率,即对应特有的红外吸收光谱,这是红外光谱定性分析的物理基础.不同物质在近红外区域有丰富的吸收光谱,每种成分都有特定的吸收特征,这为近红外光谱定量分析提供了基础[2].
目前,近红外光谱技术已经渗透到各行各业,在农业、林业、医药、石油化工、造纸、烟草[3]等很多领域得到广泛应用.
近红外光谱分析技术在我国发展起步较晚,进入90年代,近红外光谱在工业领域中的应用全面展开,特别在仪器的研制、基础研究和应用等方面取得了丰硕的成果,同时有关近红外光谱的研究及应用文献也相应倍增,它已成为发展最快、最引人注目的一门独立的间接分析技术.
2 近红外光谱技术在农业领域中应用
目前大约有40多个国家和地区开展了NIR的研究和应用工作,特别是一些发达国家如美国、英国、澳大利亚等表现得尤为突出,这些国家都拥有大量适合各行各业应用的各种类型NIR分析仪器.在农业领域,近红外光谱技术主要用于分析农牧产品和食品中的蛋白质、水分、含油量、纤维素等营养成分,应用于农业品质育种、农牧产品品质评价、烟草化学成分分析、茶叶多种组分的定量分析[4]和加工过程控制等方向.在我国,外近红外光谱的应用已渗透到各行各业.以食品,农产品行业为例,Benito[5]等人综述了红外光谱法在食品和环境分析中的应用，包括粮食品质分析、饲料品质分析、食品品质分析等方面；同时,在茶叶和可可等的成分分析以及肉类、水果、蔬菜甚至牛奶、饮料等方面有广泛的应用.
NIR技术在农业中应用涉及甚广,主要包括农产品的品质检测和分析,液态农产品的鉴定,作物的育种筛选和评估,害虫检测与预防,农林等众多方面的研究,特别在病虫害检测（仓储害虫、种子害虫侵染和林草害虫危害等）中的应用已成为一个活跃的研究领域.
2.1 农产品分析
农产品分析是 (NIR)的传统应用领域.近红外在农产品分析主要是通过检测农产品测定谷物中的水分、淀粉、蛋白质、脂肪、糖分及食用纤维含量等；饲料中蛋白质、纤维、木质数、活体和离体消化度、灰分及消化摄入量等；水果和蔬菜的水分、酸度、甜度、成熟度分析等.
2.1.1 品质分类
20世纪60年代初,美国农业部仪器研究室首先利用近红外光谱技术测定谷物中的水分、蛋白质、脂肪等含量,并致力于近红外光谱技术在农牧产品品质分析方面的研究.国外研究者[6]在该领域做了大量的研究工作,并成功地应用近红外光谱技术分析多种农牧产品的品质成分,许多实验方案和计算方法已成为AOCA(Association of Official Analytical Chemists)的标准方法.美国谷物化学协会于1982年批准了近红外方法用于小麦蛋白质的测定,1995-1996年,美国ASTM(American Society for Testing and Materials)分别公布以化学计量学为基础的定性与定量分析标准实用细则.1998年,David[7]等采用700—1100 nm波长的近红外漫反射技术分析了成熟和未成熟猕猴桃的光谱特性,发现在520—680 nm波长范围内,未成熟猕猴桃的光谱吸收度高于成熟猕猴桃.近期,Ghulam[8]等人运用ETM + NIR和SWIR数据估计农作物水分.
国内近红外光谱技术在农产品品质分析上的应用研究侧重于测定了谷子、玉米、小麦、猪肉等的蛋白质、氨基酸、脂肪等成分.刘燕德[9]等采用可见/近红外漫反射光谱对梨表面色泽进行无损检测,并采用多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘法回归(PLSR)三种数学校正算法进行了定量对比分析研究.周丽萍[10]等结合主成分分析(PCA)和反向传播(BP)神经网络技术,建立苹果可溶性固形物(SSC)预测模型.覃鸿[11]等人提出了一种基于DPLS+LDA的玉米近红外光谱定性分析新方法.
NIRS技术在蔬菜领域的研究和应用开展较晚.近年来我国在蔬菜领域也进行了大量的研究,先后研制出四十多种数学模型,涉及十多种蔬菜水果,近二十种成分指标等,在常规分析和品质育种中发挥了重要的作用.薛利红[12]等人建立了菠菜叶片硝酸盐含量与反射高光谱间的数学模型,同时对不同光谱预处理方法和不同建模波段范围下模型的预测性能进行了比较分析.2010年,吴静珠[13]等人将基于统计学理论的支持向量机(SVM)和近红外光谱(NIR)技术相结合,用于蔬菜上有机磷农药残留的快速检测分析,并建立支持向量机定性识别模型,开拓了快速检测农药残留的一条路径.赵家松[14]等基于近红外技术,设计了近红外猪肉新鲜度检测仪,相比近红外光谱仪,该仪器结构简单、体积小、成本低、使用方便.刘魁武[15]等采用可见/近红外光谱分析方法对冷鲜猪肉中的脂肪、蛋白质和水分含量进行了研究，建立了偏最小二乘(PLS)定量分析模型,并得出蛋白质的检测结果较差是由冷鲜肉加工工艺引起等结论.
在液态农产品加工研究中,国内以中国农业大学和浙江大学生物系统工程与食品科学学院研究的文献较多.郑丽敏[16]等采用傅里叶变换近红外光谱法,快速测定了新疆疆岳驴奶中脂肪、蛋白质、能量和灰分的含量.并建立了PLS回归预测模型,并与PLS全谱区建模预测进行了比较.在2009年,董一威[17]等应用近红外光谱结合判别偏最小二乘法建立定性模型,可以实现对合格牛奶及掺入三聚氰胺的牛奶的定性鉴别,正确识别率达100%.李晓云[18]等人采用便携式近红外光谱仪,结合偏最小二乘回归法,研究了牛奶脂肪、蛋白质和干物质含量的测定方法,建立了近红外漫反射定量分析模型.
2.1.2 作物育种(蛋白质)
近红外光谱技术可通过直接测定植物中各种化学成分变化来间接测定各抗性指标,可进行快速简便地分析各种资源材料和筛选育种材料,为快速筛选高质品种和作物育种提供了技术支撑.
早在1978年,Williams[19]等已在豆类育种中,建立了7种豆的蛋白和水分的NIRS定标方程,取得较好的相关性.2004年,Tigabu利用单个种子近红外投射光谱鉴定和筛选饱粒种子,空壳种子和受病虫害的种子.同年,黄道强[20]等分析了近红外分析仪两种方法测定水稻种子直链淀粉含量,并与标准碘蓝比色法测定结果进行验证,实验表明,近红外分析仪对单粒水稻种子直链淀粉含量的测定误差较大,对混合样品的测定结果较准确.2009,山东省花生研究所[21]将创造和保存的27份花生育种材料进行品质分析,为完善花生近红外品质定量分析模型提供种质基础,为选育优异品质的花生新品种奠定亲本基础.Delwiche等人应用NIRS成功地鉴定出了小麦一黑麦(1AL.IRS和1BL.IRS)两易位系,这为易位系在育种中的应用提供了快速简便的鉴定手段.Roberts等[22]完成了酥油草中几丁质酶的近红外分析定标方程,相关系数达0.9,误差也较小.Rutherford和Staden[23]应用滤光片式近红外仪对甘蔗表面的蜡粉扫描分析,建立了甘蔗对鳞翅日中螟蛾的抗性分析定标方程.根据这一特性,可建立我国主要作物的相应病虫害抗性分析近红外定标方程,这将为作物的抗病和抗虫育种开辟一条新途径.
2.2 病虫害检测
不同的植物具有不同的抗性机理和特性,采用常规方法来鉴定病虫害的抗性,具有操作复杂和周期长等缺点.而采用近红外检测技术检测病虫害具有快速、准确和无损等优点.
Ridgway用波长为1202—1300 nm的近红外光检测了10颗无虫小麦颗粒和10颗内部有虫害的小麦颗粒,并分析采集了图像.之后,Baker等相继使用NIRS技术成功地鉴别了寄生在小麦颗粒中的米象.Dowell等人识别谷物中11种甲虫类害虫,并提出这种技术有望快速自动检测其他有机物.2009年,Singh,C.B.[24]等人利用短波高光谱近红外和数据色彩成像技术成功鉴别了小麦麦粒病虫害. Cunningham [25]应用近红外检测法研究了153份红椿样品叶片组成与害虫危害的相关性，并成功地将不同危害程度(高和低等级)的红椿小叶进行了划分.Pitman[26]等检测了牧草品质等特性对害虫危害的响应.检测表明,所有的检测样品都受到了害虫幼虫的危害和连续的损失,但在野外条件下没有检测到牧草对害虫的抗性.Burks[27]等应用近红外检测技术自动分选了无花果干果,将干果分为有虫感染的、腐烂的、变质的和脏的4类.与手工分选相比,近红外检测分级的准确率在83％～100％.在我国,孙启花[28]以水稻上的两大重要害虫褐飞虱和稻纵卷叶螟为对象,研究了不同生育期水稻、稻田其它绿色植物及非生物地物等的光谱特征；同时组建了基于光谱特征的褐飞虱虫量及稻纵卷叶螟为害程度的诊断模型.陈浩梁[29]等人介绍了近红外光谱分析技术的原理及其在粮粒内害虫检测中的优点,并综述了粮粒内隐蔽性害虫的近红外光谱检测技术的研究与应用现状,并阐明其应用前景.
2.3 农业中其他方面的应用
国内外对近红外技术在农业工程、农业设施等领域的应用也有大量的探讨,我国学者在该方面也做出大量的努力,如土壤有机质参数测定,鉴别机制,牲畜的粪便堆肥,动物饲料,农药的测定等.方利民[30]等人对300个土壤样品的可见/近红外光谱数据进行了分析,得到ICA-GA-BP模型.利用此模型对土壤中TOC含量和CEC进行预测,结果表明ICA-GA-BP建模方法具有很好的预测效果,为土壤品质的鉴别提供了一种新方法.黄光群[31]等专家详实综述了近红外光谱分析技术在有机固体废弃物尤其是畜禽粪便堆肥分析中的应用进展,并对近红外光谱分析技术在堆肥研究中存在的问题及其发展前景进行了评述.同时,以我国22个省、市120个不同种类的畜禽粪便堆肥样品为研究对象,建立了我国畜禽粪便堆肥中水分、挥发性固体、总有机碳、总氮含量、碳氮比、酸碱度和电导率的近红外定量分析校正模型.结果表明,除了对碳氮比、酸碱度的预测效果不理想外,其他参数测定比较精确.沈飞[32]等人将待测样品与硅胶混合,并建立其模型.实验表明随着浓度梯度的降低,模型的预测能力有所下降,但模型的相关系数仍然较高.
3 展望
国内外的大量试验研究和实践表明,近红外光谱技术有着传统分析手段不可比拟的优势,但同时也存在着一定的局限性[33],主要表现在:
（1）对近红外光谱吸收而言,水是一种极强的吸收体,它掩盖了其他成分近红外光谱吸收的信号;（2）近红外光谱技术作为快速检测方法,目前并不适用于痕量组分的分析;（3）近红外光谱技术是一种间接分析技术,方法所用的校正模型依赖于标准方法建立的样品数据库的精确度和适用性,所以样品集直接影响方法的准确性.
近红外光谱等软硬件技术仍在不断发展中,能满足多种需求的专用近红外光谱测定仪和软件也不断涌现.相信随着近红外光谱技术的不断发展进步,其在小麦、水稻等选种,动物育种,鲜肉与冻肉的区分,酒类和各种食品的真伪辨别，烟草和农副产品的产地鉴别、等级分类，菌种鉴定、药材地道性鉴定，海洋污染分析、湖泊有机物富集研究等领域将有着广阔的应用.
未来,我国除可以拓宽近红外技术在水果和木材品质检测方面的应用研究外,还可以结合实际应用研究,特别是抗虫育种和进口树种的病虫害检验,借鉴国内外学者的经验和方法,探索近红外光谱分析技术的应用新领域.
参考文献：
[1]文婷,张翔,张浩勤,刘金盾.近红外光谱在农业中的应用[J].农业技术与装备,2009(20).
[2]张荣,吴文娟.近红外光谱技术的定性和定量分析[J].化工时刊,2011,(09):36～38.
[3]宋怡,刘巍,段焰青,丁中涛.近红外光谱法快速测定烟草中的植物色素[J].中国烟草学报.2009,15(2):15～18.
[4]钱晓军.傅里叶变换近红外光谱分析技术在茶叶中的应用[J].中国茶叶,1999,(6):13～15.
[5]M.T Jimare Benito,C.Bosch Ojeda,F.Sanchez Rojas.Process Analytical Chemistry:Applications of Near Infrared Spectrometry in environmental and food analysis: An overview[J].Applied Spectroscopy Reviews,2008, 43(5).
[6]NORRIS K H,BARNES R F,MOORE J E,et al..Prediction for age quality by near infrared
reflectance spectroscopy[J].Journal of Animal Science,1976,43(4):899～897.
[7]David C S.Nondestructive internal quality assessment of kiwifruit using near-infrared spectroscopy[J].1998(03).
