便携式红外植被盖度仪

总部设在美国马里兰州黑格斯敦的Zeltex公司，积累了近三十年的便携式手持近红外分析仪设计制造经验，其产品在近红外领域拥有超过30项的专利，能够在现场快速无损地检测谷物、种子和食品中的蛋白质、脂肪及水分，可以为粮食、食品科研等领域提供完整的实验方案，客户遍及政府机构、研究所、大学、农场等。 2015年初，利曼中国正式成为美国Zeltex公司手持近红外分析仪（谷物、种子、肉类等）在中国地区的独家授权代理商。几个月来，利曼员工深入国内大豆主产区之一的东北地区，先后在沈阳、哈尔滨、黑河、克东等地巡回演示世界首款、方便小巧的快速近红外分析仪。与传统笨重的实验室台式近红外分析仪相比，ZX-50IQ手持近红外谷物分析仪不仅具备轻巧、便携的特点，在数据测量方面同样具有很高的准确性与稳定性，获得当地农场、油脂厂、大豆企业的一致好评。 谈到便携式仪器，自然会联想到它的尺寸与重量，实拍图如下： 主机尺寸26 x 12 x 9 cm，重量1.5 kg，拿在手里如同半个平板电脑（厚度除外）。同时，仪器可依据用户需求，配备不同的标样杯（大豆、玉米、小麦、大麦、高梁、油菜籽、豆粕等）及样品杯。仪器整体包装为带密码锁的手提铝箱，与14寸笔记本电脑包尺寸接近，重量不足5 kg，在安全性和便携性上，可谓做工扎实。 整个测量过程十分简单，主要分为以下几步：仪器自检&mdash 标样测定&mdash 样品检测&mdash 数据读取。为获得较高数据的准确性，仪器会主动提示操作者进行多次测量并要求旋转样品杯。同时，仪器具备拓展空间，内置不同的标准曲线，允许操作者连接电脑后新建标准曲线并对测量次数做出修改。 综述，作为最新型便携式设备的ZX-50IQ手持近红外谷物分析仪，通过升级主板、固件及软件程序，较上代相比在精度和性能方面提升33%，可以更高效、准确的满足现场谷物检测工作，其特点可概括如下： ■ 操作非常简单，上手容易； ■ 便携式设计，体积小巧； ■ 6节5号电池即可供电，亦可外接车载点烟器或交流电源； ■ 样品使用量少，无需前处理，整粒无损检测； ■ 分析速度快，不到1分钟即可获取结果； ■ LCD显示屏直显数据，同时可外接电脑综合分析。 利曼中国自成立二十余年来，一直致力于质量控制与分析、智能科技产品的推广及应用，目前在中国拥有20多个销售联络处，6个维修服务中心，5个示范实验室，近百名员工以及众多的国内外合作伙伴。Zeltex手持近红外产品的引入，将进一步丰富利曼的产品线，更好地服务于国内分析检测领域，促进分析技术的提高。 更多产品信息，请致电全国统一服务热线400-606-1718。

合适的食品质量检测方法十分重要，科学家利用众多方法来测试不同的污染物。最近一种红外衰减全反射（IR-ATR）仪器在食品检测领域流行起来，它可以在几乎不需要样品制备的情况下获取倏逝场吸收，同时促进对任何聚集状态中的分析物的无损分析。食品安全控制概念 | 图片来源：© Alexander Raths - stock.adobe.com最近发表在《应用光谱学》杂志上的一项研究介绍了一种便携式的红外衰减全反射（IR-ATR）食品分析设备，可用于分析食品行业中有重要意义的物质。该系统的核心是了解脂质中脂肪酸（FAs）的组成；由于正常的脂质成分是表征鱼类等食品的质量的特征指标，但易受环境因素如水质、捕捞季节和温度的影响，因此跟踪脂肪酸是理解脂质的真实特征以及它们如何影响食物质量的关键。该系统还使用了霉菌毒素和有机溶剂作为代表进行了测试。霉菌毒素是与真菌污染相关的有害次生代谢物，它们的存在可能对人体和家畜的健康产生有害影响，因此检测它们对于食品安全至关重要。至于有机溶剂，食品行业主要将其用于从食品基质中提取成分，但由于传统方法性能优越，导致绿色提取方法不太受欢迎。这两种物质对于食品加工都是必不可少的，这也解释了为什么除了脂肪酸之外，IR-ATR 系统还主要针对它们进行测试。用傅立叶变换红外光谱仪（FT-IR）对便携式IR-ATR设备与传统实验室IR-ATR设备进行了对比测试，以展示前者系统的潜在优势。使用了三种类型的模型系统，每种系统内都含有不同的样品：溶解在水中的N，N-二甲基甲酰胺（(CH3)2NCH）（DMF）、溶解于乙醇中的硬脂酸（C17H35CO2H）以及溶解于甲醇中的DON（C15H20O6）。这些分析物作为典型的化合物类别，在中红外（MIR）光谱图中具有特征波段。通过两种系统的比较证实了的两者的多个因素，包括霉菌毒素的检测、FAs的分析以及有机溶剂的定量。值得注意的是，便携型系统的分析性能与标准型系统分析能力一致。然而，在该系统投入大规模使用之前仍需要进一步的工作要做。科学家在研究中指出：“未来研究旨在分析更复杂的系统，包括真正的鱼类样品和各种含有真菌污染物/霉菌毒素的谷类作物提取物，并采用先进的数据分析方法来开发无需标记的快速筛查方法。”

HAMAMATSU（滨松） PHOTONICS近红外光谱在食品分析中的作用近红外光谱（NIR）是指在750至2500 nm的电磁光谱近红外区域内研究物质和光之间的相互作用[1]。当红外光与样品分子相互作用时，每个波长反射、透射和吸收的电磁能的量取决于样品中存在的键类型[1]。C-H、N-H和OH振动键在近红外区域最普遍，决定了给定物质的光谱形状。近红外光谱通常用于测量和量化样品的近似成分，如蛋白质、水分、干物质、脂肪和淀粉。此外，近红外光谱反映了其物理性质或特性[1]。因此，当应用于食品时，样品的近红外光谱不仅可以提供有关食品化学成分的信息，还可以通过不需要使用试剂的无损、快速和清洁的方法提供有关其功能的信息[2]。便携式仪器的影响直到最近，近红外技术才向小型化设备发展，使近红外分析从实验室进入现场成为可能。便携式近红外光谱是监测作物质量、确定最佳种植条件和收获时间的绝佳工具。鉴于食品易受含量变化的影响，需要保持新鲜以防止质量损失，以及非法掺假的可能性，控制食品质量的重要性怎么强调都不为过。此外，食品生产、配送链的复杂性以及将分析时间降至最低的需要，使便携式光谱仪在该领域向前迈出了革命性的一步[5][6]。用于食品分析的近红外光谱示例Parastar等人将计算技术应用于近红外分析仪获得的吸收光谱，能够准确区分新鲜肉和解冻肉，并根据鸡的生长条件对鸡柳进行正确分类[3]。使用类似的工具，Kucha和Ngadi能够评估猪肉末的新鲜度[4]。这些计算方法，通常被称为“化学计量学”，使用多种算法和统计技术，如多元线性回归、偏最小二乘回归和主成分分析来分析来自光谱仪的数据。这些方法将光谱信息转化为与样品相关的化学和功能特性[2]。便携式近红外分析仪改善奶牛健康，优化灌溉和收割时间便携式近红外分析仪已被用于饲料和牧草的农场监测，以评估其质量。在这个过程中，将饲料样本放在扫描仪前进行分析，并将结果提供给农民或营养学家。这使他们能够及时做出有关提要的管理决策，将获得结果所需的时间从几天缩短到几秒钟。例如，牛饲料中玉米青贮饲料的干物质含量每天变化很大，在六个月内高达41%。通过现场调整，奶牛可以获得更一致的口粮，从而改善牛群的总体健康状况。这是通过血液参数的变化和乳腺炎的减少来观察的，从而增加了产奶量。此外，这项技术可以潜在地减少饲料浪费，从而降低成本并增加收入[7]。便携式近红外光谱法的另一个有价值的应用领域是对作物生长各个阶段的实地评估。Tardaguila等人研究了在不同环境条件下生长的八个不同品种的160片葡萄叶片的吸收波长。他们专门针对含水量评估来确定葡萄酒行业灌溉的优化策略[8]。在收获季节，近红外光谱已被用于评估橄榄果实[9]、葡萄[10]和番茄[11]在树上的成熟度，从而优化收获时间，甚至使用农业机器人实现自动化水果采摘。收获后，近红外光谱技术有助于农民、消费者和质量控制官员对产品质量进行快速无损检测。这项技术还允许检测由于将传统生产的水果错误标记为有机水果而导致的菠萝欺诈[12]。FTIR光谱提供更高的通量和更好的灵敏度在近红外光谱中，分析有机材料的吸收光谱主要有两种方法。第一种方法是基于二极管阵列的光谱学。该技术使用色散光栅将从样品反射或透射的光分离为其波长分量。然后将每个分量聚焦在线性检测器阵列的不同像素上。这种方法速度相当快，可以用于实时测量。然而，二极管阵列光谱仪的光通量与其光谱分辨率成反比，这限制了其有效性。此外，在近红外区域敏感的线性阵列的高成本可能会限制其在某些应用中的应用，特别是在农业和食品中。获得吸收光谱的第二种方法是傅立叶变换干涉测量法。在这种方法中，入射光被分成两条路径，一条指向固定反射镜，另一条指向可移动反射镜。当这些路径被重新组合时，就会得到干涉图。通过对该干涉图进行傅立叶变换，可以获得入射光的光谱，并且通过适当的校准，可以确定样品的吸收光谱。使用这种技术，可以同时测量所有波长，在不影响光谱分辨率的情况下提供更好的吞吐量和更高的灵敏度（通常被称为“Fellgett的优势”）。在该技术中，仅使用单个NIR光电探测器而不是阵列，从而保持低成本。滨松光子的FTIR引擎为食品行业带来了新的曙光滨松的FTIR引擎C15511-01是一个紧凑的傅立叶变换红外光谱模块，对1.1µm至2.5µm范围内的近红外光具有灵敏度，并具有USB连接。该设备的特点是在手掌大小的外壳中有一个迈克尔逊光学干涉仪和控制电路。为了补偿元件小型化造成的光损失，滨松光子公司的工程师为FTIR引擎配备了一个大型可移动MEMS反射镜和一个高灵敏度InGaAs PIN光电二极管。这种MEMS元件的特殊设计抵消了外部振动和器件内部杂散光反射的影响。可移动MEMS反射镜的位置使用专用激光系统进行连续和精确的监测，以确保最高的波长再现性。一般来说，滨松的FTIR引擎可以提供与更大、更昂贵的台式设备相当的高灵敏度、高分辨率和高速测量。使用FTIR引擎进行红外光谱分析有两种测量方法：“反射测量”和“透射测量”。使用这些方法，我们测量了坚果（杏仁、腰果、核桃）和酒精饮料（啤酒、清酒和白兰地）的光谱。透射测量：酒精饮料吸收光谱的比较及其酒精浓度的估计FTIR引擎C15511-01用于观察几种酒精饮料产生的吸收光谱的差异。将液体放入对近红外透明的石英池中，提供1mm的光路长度。使用卤素灯作为本实验的光源。来自灯的宽带光部分被液体吸收，并通过光纤部分传输到FTIR引擎。图中所示的吸收光谱是在室温下获得的，平均128次扫描，并减去参考测量值。这些光谱的形状主要受水中的OH基团（吸收波长：1450 nm和1900 nm）和醇中的CH基团（吸收光谱波长在2100 nm和2500 nm之间）的影响。还测量了纯水和乙醇的光谱，并将其添加到图中进行比较。此外，使用2300nm处的吸收峰来估计每种饮料中的酒精浓度。该测量显示的值与液体中酒精的实际存在一致，证实了使用这种紧凑的设备和方法进行精确估计的可能性。漫反射测量：使用近红外光谱对坚果进行分类当照射到样品上的光的一部分被其表面颗粒有规律地反射时，其余的则穿透样品。在这里，光通过折射透射、光散射和表面反射反复散射，直到它离开待测量的样品。通过该测量获得的漫反射光谱与样品的吸收光谱相似。漫反射信号通常比通过透射获得的信号弱。因此，使用这种方法的主要挑战之一是提高照明效率。在传统配置中，使用光纤将来自单个卤素灯的宽带光引导到样品。滨松光子最近设计了L16462-01，这是一种针对漫反射测量进行优化的创新光源。该装置配备了多个灯，以特定角度靠近样品。通过光纤收集从样品散射的光，并将其引导至NIR光谱仪。这种配置可测量信噪比，最大限度地减少杂散光的影响。e照射到样品上的部分光被其表面颗粒规则反射，其余部分穿透样品。在这里，光通过折射透射、光散射和表面反射反复散射，直到它离开待测量的样品。通过该测量获得的漫反射光谱与样品的吸收光谱相似。食物过敏是一种遗传易感个体在食用某些食物成分后出现不利免疫反应的情况。这种反应可能导致立即或延迟的症状，可能是严重或致命的[13]。在过去的几十年里，这种免疫紊乱已经成为全世界关注的一个重要问题，在西方国家，至少有8%的儿童和5%的成年人受到影响。它给医疗系统带来了相当大的压力，并可能严重限制日常甜梅干动[14]。许多种类的坚果，包括核桃（胡桃）、腰果（西方腰果）和杏仁（甜梅干），都被欧洲法规1168/2011列为过敏原，只要存在于食品中，就需要添加到成分表中[15]。出于这些原因，坚果的检测和分类对于食品工业来说是必要的。滨松利用近红外光谱对杏仁、腰果和核桃的吸收光谱进行了研究和分类。使用FTIR引擎C15511-01和新的灯L16462-01获得测量结果。将坚果放置在光源上，无需任何预先准备，平均进行128次扫描以获得每个样品的吸收光谱。所获得的光谱的特征在于1600-1800nm处的峰，这是由从脂质和蛋白质拉伸的CH的第一泛音引起的。当观察光谱的二阶导数时，各种光谱之间的差异更加明显。通过主成分分析法可以对不同种类的坚果进行分类。结论近红外光谱在食品工业中的潜在应用已经被许多科学出版物广泛记录了几年。便携式仪器的出现正在将分析从实验室转移到现场，将结果的时间从几天大幅缩短到几秒钟。最值得注意的是，这种由滨松MEMS技术驱动的硬件小型化在不影响灵敏度或分辨率的情况下实现。新的计算技术正在不断发展，以分析和比较吸收光谱，并估计食品中特定化合物的含量。这些方法使整个行业的非技术用户越来越容易访问该技术。便携式FTIR分析仪是解决食品行业许多重大挑战的宝贵工具。例如，它们可以帮助提高作物产量，从而在面临粮食需求增加时提供一种替代毁林的方法。将这些技术融入农业可以在优化灌溉和限制整个供应链的食物浪费时限制水浪费。最后，FTIR分析仪可以帮助改善我们的食物质量，使其对我们和所有依赖我们的动物更安全、更健康。参考文献[1] K. B. Beć, J. Grabska, and C. W. Huck, “Near-Infrared Spectroscopy in Bio-Applications”, Molecules, vol. 25, no. 12, p. 2948, Jun. 2020, doi: 10.3390/molecules25122948.[2] D. Cozzolino, “The Ability of Near Infrared (NIR) Spectroscopy to Predict Functional Properties in Foods: Challenges and Opportunities”, Molecules, vol. 26, no. 22, p. 6981, Nov. 2021, doi: 10.3390/molecules26226981.[3] H. Parastar, G. van Kollenburg, Y. Weesepoel, A. van den Doel, L. Buydens, and J. Jansen, "Integration of handheld NIR and machine learning to 'Measure & Monitor' chicken meat authenticity" in Food Control, vol. 112, pp. 107149, 2020. doi: 10.1016/j. foodcont.2020.107149. [4] Kucha, C.T., Ngadi, M.O. “Rapid assessment of pork freshness using miniaturized NIR spectroscopy”. Food Measure 14, 1105–1115 (2020). https://doi.org/10.1007/s11694-019-00360-9 [5] J.-H. Qu, D. Liu, J.-H. Cheng, D.-W. Sun, J. Ma, H. Pu, and X.-A. Zeng, "Applications of Near-infrared Spectroscopy in Food Safety Evaluation and Control: A Review of Recent Research Advances" Critical Reviews in Food Science and Nutrition, vol. 55, no. 13, pp. 1939-1954, 2015. doi: 10.1080/10408398.2013.871693.[6] K. B. Beć, J. Grabska, and C. W. Huck, “Miniaturized NIR Spectroscopy in Food Analysis and Quality Control: Promises, Challenges, and Perspectives,” Foods, vol. 11, no. 10, p. 1465, May 2022, doi: 10.3390/foods11101465.[7] "Can On-Farm NIR Analysis Improve Feed Management?", Penn State Extension. [Online]. Available: https://extension.psu. edu/can-on-farm-nir-analysis-improve-feed-management.[8] J. Tardaguila, J. Fernández-Novales, S. Gutiérrez, and M.P. Diago, "Non-destructive assessment of grapevine water status in the field using a portable NIR spectrophotometer", J. Sci. Food Agric., vol. 97, pp. 3772-3780, 2017. doi: 10.1002/jsfa.8241.[9] A. J. Fernández-Espinosa, "Combining PLS regression with portable NIR spectroscopy to on-line monitor quality parameters in intact olives for determining optimal harvesting time", Talanta, vol. 148, pp. 216-228, 2016. doi: 10.1016/j.talanta.2015.10.084.[10] G. Ferrara, V. Marcotuli, A. Didonna, A. M. Stellacci, M. Palasciano, and A. Mazzeo, “Ripeness Prediction in Table Grape Cultivars by Using a Portable NIR Device”, Horticulturae, vol. 8, no. 7, p. 613, Jul. 2022, doi: 10.3390/horticulturae8070613.[11] H. Yang, B. Kuang, and A.M. Mouazen, "In situ Determination of Growing Stagesand Harvest Time of Tomato (Lycopersicon Esculentum) Fruits Using Fiber-Optic Visible—Near-Infrared (Vis-NIR) Spectroscopy", Applied Spectroscopy, vol. 65, no. 8, pp. 931-938, 2011. doi: 10.1366/11-06270.[12] C. L. Y. Amuah, E. Teye, F. P. Lamptey, K. Nyandey, J. Opoku-Ansah, and P. O. Adueming, "Feasibility Study of the Use of Handheld NIR Spectrometer for Simultaneous Authentication and Quantification of Quality Parameters in Intact Pineapple Fruits", Journal of Spectroscopy, vol. 2019, Article ID 5975461, 9 pages, 2019. doi: 10.1155/2019/5975461.[13] Z. Husain and R.A. Schwartz, "Food allergy update: more than a peanut of a problem", International Journal of Dermatology, vol. 52, pp. 286-294, 2013. doi: 10.1111/j.1365-4632.2012.05603.x.[14] S. H. Sicherer and H. A. Sampson, "Food allergy: Epidemiology, pathogenesis, diagnosis, and treatment", The Journal of Allergy and Clinical Immunology, vol. 133, no. 2, pp. 291-307.E5, Feb. 2014. doi: https://doi.org/10.1016/j.jaci.2013.11.020 [15] A. Luparelli, I. Losito, E. De Angelis, R. Pilolli, F. Lambertini, and L. Monaci, “Tree Nuts and Peanuts as a Source of Beneficial Compounds and a Threat for Allergic Consumers: Overview on Methods for Their Detection in Complex Food Products”, Foods, vol. 11, no. 5, p. 728, Mar. 2022, doi: 10.3390/foods11050728.本文来源：HAMAMATSU PHOTONICS（滨松电子），Applications for portable NIR spectroscopy in food analysis，www.hamamatsu.com供稿：符 斌，北京中实国金国际实验室能力验证研究有限公司