基于近红外光谱技术的薯片中丙烯酰胺含量判别研究

《Potato Research》：Discrimination of Acrylamide Levels in Potato Chips Using Near-Infrared Spectroscopy

　　

摘要专业翻译 控制薯片中丙烯酰胺（acrylamide，ACR）的形成仍是食品工业面临的一项重大挑战，原因在于其具有致癌潜力。丙烯酰胺的形成受多种因素影响，包括原料组成和加工条件。因此，开发快速、高效的监测方法对于保障消费者安全至关重要。本研究采用近红外光谱技术（near-infrared spectroscopy，NIRS），对来自两个收获年份（2022年和2023年）的两个马铃薯品种（Agria和Jaerla）进行分析，依据欧盟第2017/2158号法规（European Regulation 2017/2158）确立的标准，对样品按丙烯酰胺含量进行分类。主成分分析（principal component analysis，PCA）表明，品种和收获年份对光谱数据均有显著影响。随后，研究人员应用支持向量机（support vector machine，SVM）将样品分类为低或高丙烯酰胺含量。在外部验证中，高达88%的样品被正确分类，误差为0.131。最后，研究发现油脂含量对近红外光谱响应具有显著影响，可能干扰与丙烯酰胺预测相关波长的识别。

论文解读文章

一、研究背景与意义

丙烯酰胺（acrylamide，ACR）是一种在富含淀粉类食品高温加工过程中形成的毒性化合物，其化学式为CH₂=CH-CONH₂。由于具有致染色体断裂和致突变特性，丙烯酰胺被国际癌症研究机构列为2A类可能人类致癌物，其在薯片等产品中的存在已引发广泛的公共卫生关注。丙烯酰胺在马铃薯中的主要形成途径是美拉德反应（Maillard reaction），即在油炸过程中，还原糖（如葡萄糖和果糖）与天冬酰胺发生反应。该反应在120°C以上开始发生，在170–180°C、低湿度条件下达到最佳生成速率。

鉴于丙烯酰胺的潜在致癌性，欧盟委员会于2017年颁布第2017/2158号法规，为食品工业设定了丙烯酰胺控制参考水平：法式炸薯条为500 μg/kg，薯片为750 μg/kg。需要强调的是，这些数值并非毒理学安全限值，而是旨在推动行业降低加工产品中丙烯酰胺含量的参考基准。此外，欧洲食品饮料联合会（FoodDrinkEurope）发布了《丙烯酰胺工具箱》（Acrylamide Toolbox），提出包括选择适宜品种、控制种植和储存条件以维持适当的还原糖和天冬酰胺水平，以及应用脉冲电场技术等多项缓解措施。

目前，丙烯酰胺定量分析最常用的方法包括液相色谱-串联质谱法（LC-MS/MS）和气相色谱-质谱法（GC-MS）。尽管这些方法灵敏度高、准确性好，但需要昂贵的设备、高技能人员和较长的分析时间，限制了其在食品工业快速监测中的应用。在此背景下，近红外光谱技术（near-infrared spectroscopy，NIRS）作为一种快速、无损的检测工具，展现出在加工产品中实时预测丙烯酰胺含量的巨大潜力。然而，已有研究均未评估品种和收获年份对薯片丙烯酰胺预测模型的影响。因此，本研究旨在利用1200–2200 nm范围的近红外光谱，对低加工度薯片的丙烯酰胺水平（高或低）进行预测，并探究品种和收获年份对模型的影响及其消除方法。

二、研究设计与技术方法

研究人员选取了西班牙阿拉瓦省巴斯克农业研究与发展研究所（NEIKER）栽培的两个马铃薯品种——Agria（公认适合油炸的品种）和Jaerla（主要用于水煮的品种），分别来自2022年和2023年两个收获季，共300份样品。薯块在9±1°C、85±5%相对湿度条件下储存5周以稳定还原糖水平。随后去皮切片（厚度约1.2–1.3 mm），加压水清洗2分钟去除表面淀粉，滤纸干燥后在180±5°C的葵花籽油中油炸3分钟。

光谱数据采用Luminar 5030微型手持式光谱仪（配备声光可调滤光器AOTF和铟镓砷InGaAs探测器）在反射模式下采集，波长范围1200–2200 nm，间隔2 nm，共501个波带。薯片经粉碎以获得均匀基质，每份样品在四个随机点扫描，每个光谱为50次单独扫描的平均值，最终取四次测量的平均值作为该样品的代表性光谱。丙烯酰胺含量的定量分析在马德里食品科学技术与营养研究所（ICTAN-CSIC）完成。

数据分析方面，研究人员采用Savitzky-Golay二阶导数（二阶多项式、15点窗口）作为行预处理，均值中心化（mean centring，MC）作为列缩放方法。首先应用主成分分析（PCA）进行探索性数据分析，随后采用支持向量机（SVM）进行分类建模，使用径向基函数（radial basis function，RBF）作为核函数，通过十折威尼斯帘式交叉验证结合网格搜索优化代价参数和gamma参数。数据集采用Kennard-Stone算法按75%（225份）校准、25%（75份）外部验证进行划分。模型性能通过敏感性、特异性、准确率和类别误差等指标评估。

三、研究结果

丙烯酰胺统计分析

统计结果显示，Agria品种在相同储存和油炸条件下产生高水平丙烯酰胺的可能性低于Jaerla品种。两个年份之间的差异不明显，Agria品种两个数据集统计结果较为相似。然而，尽管Agria被认为是适合油炸的品种，仍有15.5%的样品超过了750 μg/kg的推荐限值。相比之下，Jaerla品种的丙烯酰胺含量最高达到8845 μg/kg，是推荐限值的11倍，不适合用于油炸加工。

光谱数据探索

原始光谱和预处理后的光谱在多个波段呈现特征吸收谷：1208 nm附近与脂肪酸烃链的C–H振动相关；1462 nm与酰胺中的N–H键相关；1726 nm和1762 nm的两个小吸收谷归因于油炸油中脂肪酸甲基和亚甲基的C–H振动一级倍频；1936 nm可能与水分子的O–H键伸缩和弯曲振动及酰胺基团信号有关；2128 nm附近的吸收带归属于多糖（此处为淀粉）中的O–H和C–O伸缩振动。光谱整体表现出油脂的强烈影响，这与油炸过程中大量吸油有关。

主成分分析

基于二阶导数结合均值中心化预处理的主成分分析显示，前两个主成分解释了数据集总方差的81%。品种效应显著：Jaerla品种样品主要分布在PC1负侧，Agria品种样品主要分布在正侧。年份间也存在差异，但不如品种效应明显：2022年样品主要分布在PC2负侧，2023年样品位于正侧。按丙烯酰胺含量着色时虽呈现一定分化趋势，但进一步分析表明这种分化主要由品种驱动而非丙烯酰胺含量本身——大多数Jaerla薯片超过推荐限值，仅3份样品低于750 μg/kg。

为消除品种和年份效应，研究人员对每个品种和年份的数据分别进行逐行预处理和均值中心化，随后合并数据集进行建模。重新进行PCA后，品种和年份效应均被消除，但未观察到丙烯酰胺含量类别间的清晰分化模式。

分类建模

采用二阶导数结合均值中心化预处理构建的SVM模型，校准结果显示良好的判别性能：低丙烯酰胺含量类别的敏感性为0.96，高含量类别为0.87，类别误差为0.08，准确率为0.92。外部验证中，模型准确率为0.88，类别误差为0.13，高丙烯酰胺类别的敏感性为0.82，即能够正确识别82%超过推荐限值的样品——这是最需要正确分类的类别。尽管如此，仍存在18%的假阴性，表明在替代传统分析方法之前还需进一步优化。

Shapley值分析显示，对模型最重要的波长为1396 nm和1398 nm，与脂肪烃中C–H键相关，来源于油炸过程中油脂的热分解。油炸油强烈的光谱贡献可能掩盖了与丙烯酰胺含量更直接相关的吸收带，并可能降低模型在不同油炸油或加工条件下的可迁移性。

四、讨论与结论

研究结果表明，品种和收获年份对近红外光谱数据具有显著影响，通过按品种和年份分别进行均值中心化的预处理策略可有效消除这些效应。采用二阶导数结合均值中心化预处理，外部验证中88%的样品被正确分类，模型对低和高丙烯酰胺水平均能准确预测，敏感性分别为0.91和0.82。同时研究确认，在1200–2200 nm范围内，油炸油对光谱信息具有强烈影响，可能干扰与丙烯酰胺含量更直接相关变量的识别。

研究结果证明了近红外光谱技术在预测薯片丙烯酰胺含量方面的潜力。未来研究可在生产线条件下开展试验，评估模型在工业环境中的稳健性，包括不同生产线、油炸油、品种和季节变化，以确认该方法可在更广泛场景中可靠应用。在此背景下，近红外光谱应主要被视为一种快速筛查技术，能够通过识别超过现行欧盟法规推荐最高水平的薯片，为常规质量控制提供支持。