介紹高價值商品的質(zhì)量不合格現(xiàn)象，其實并不鮮見，如食品。這些商品可能被無良的供應(yīng)商摻假，以提高他們的利潤。作者：使用傅里葉變換近紅外光譜法FT-NIR檢測蜂蜜摻假FT-NIR Spectrometry但是很不幸，判斷這些商品是否被摻假并不容易。一種通?？赡鼙粨郊俚母邇r值產(chǎn)品就是蜂蜜。不誠實的供應(yīng)商，在產(chǎn)品中添加玉米糖漿，既保留了甜味，外觀上又不會產(chǎn)生明顯的區(qū)別。如果不進(jìn)行檢測，很難判斷哪些蜂蜜摻假了，而哪些沒有。傳統(tǒng)的摻假蜂蜜的檢測方法，非常耗時，且費用很高。欺詐性的貼假標(biāo)簽也是一個主要問題。FDA關(guān)于蜂蜜標(biāo)簽的規(guī)定如下：• 如果某食品只含有蜂蜜，該食品必須命名為“蜂蜜”。• 如果某食品含有蜂蜜和任何其它組分如甜味劑，該食品必須進(jìn)行相應(yīng)標(biāo)注，如“混合蜂蜜和糖”。• 可以注明花源，如三葉草蜂蜜。• 任何不是純蜂蜜的產(chǎn)品，不能被標(biāo)注為“蜂蜜”。

傅里葉變換近紅外光譜法（FT-NIR）提供了一種快速、準(zhǔn)確度高的測試方法，可以進(jìn)行蜂蜜中摻雜物的檢測。為了優(yōu)化該技術(shù)的有效性，對不同的數(shù)據(jù)模型方法進(jìn)行了測試。

摻雜物檢測的數(shù)據(jù)分析方法產(chǎn)品中摻雜物的檢測可以是靶向的或者非靶向的。靶向方法中，如偏最小二乘法（PLS），摻雜物是產(chǎn)品中需要找出的某種特定的物質(zhì)。通過一系列的校準(zhǔn)標(biāo)準(zhǔn)物建立校準(zhǔn)模型，就可以對這種摻雜物進(jìn)行定量檢測。每一種摻雜物質(zhì)都需要一個單獨的校準(zhǔn)曲線。常見的非靶向方法，如簇類的獨立軟模式方法（SIMCA），會告訴分析者該產(chǎn)品是否符合預(yù)期的材料標(biāo)準(zhǔn)。它會指出這個產(chǎn)品可能被摻假，但是無法告知摻雜了什么、摻雜了多少。S p e c tr um10紅外光譜軟件的摻雜物篩查算法（Adulterant Screen™），當(dāng)判斷出產(chǎn)品不合格時，會確定摻雜物并估計摻雜物的濃度。這種算法并不需要對不同濃度的已知和潛在摻雜物進(jìn)行大量繁瑣耗時的測量，這樣就可以快速開發(fā)出摻雜物篩查方法，以及快速針對新?lián)诫s物進(jìn)行方法升級。

實驗部分近紅外光譜數(shù)據(jù)使用PerkinElmer Frontier™近紅外光譜儀收集。將蜂蜜樣品傾倒在樣品盤中，將樣品盤放在NIRA II反射附件的頂部，并在樣品的上面放置透反射附件。光譜在8cm-1分辨率的條件下采集，掃描時間為30秒。下列純樣品的光譜進(jìn)行了檢測：• 三葉草蜂蜜• 野花蜂蜜• 橙花蜂蜜• 有機蜂蜜• 玉米糖漿• 大米糖漿每個純物質(zhì)都重復(fù)采集了十次光譜。接下來，使用玉米糖漿稀釋純物質(zhì)到以下濃度：• 三葉草蜂蜜 ? 0%, 2%, 4%, 6%, 8%, 10%, 12%, 14%, 16%,18%,20%, 30%, 40%, 50%, 60%, 70%, 80%,90%, 92%,94%, 96%, 98%, 100%• 野花蜂蜜 ? 0%, 20%, 40%, 60%, 80%, 100%• 有機蜂蜜 ? 0%, 20%, 40%, 60%, 80%, 100%更多的稀釋樣品作為方法的驗證樣品，也進(jìn)行了制備：野花、橙花、三葉草和有機蜂蜜進(jìn)行了2次單獨稀釋

實驗結(jié)果圖1包含了摻有不同濃度蜂蜜（0%蜂蜜即為玉米糖漿）的三種不同樣品的譜圖。在這樣的高濃度下，光譜的差異非常明顯。二階導(dǎo)數(shù)譜可以更快速的確認(rèn)光譜差異，并可消除光譜基線偏移和傾斜的影響。

圖8顯示了摻雜有玉米糖漿的蜂蜜樣品的詳細(xì)摻雜物篩查分析結(jié)果。結(jié)果顯示了樣品中玉米糖漿的估計值。該方法對這種摻雜物的檢出限為4%左右。如果摻雜物和蜂蜜光譜顯著不同，其檢出限會大大降低。

結(jié)論這篇應(yīng)用報告中的數(shù)據(jù)表明，使用NIR光譜法對蜂蜜進(jìn)行摻假檢測是可能的。NIR制樣快速簡便。如果摻雜物已知，可以使用PLS模型進(jìn)行定量分析。但是，這需要繁瑣的校準(zhǔn)標(biāo)準(zhǔn)品的制備過程。摻雜物篩查方法比SIMCA方法靈敏度更高，且可以判斷摻雜物種類并估計其含量，而且并不需要大量校正標(biāo)準(zhǔn)品。最后，這個方法可以被集成到一個簡單的用戶界面，方便常規(guī)用戶使用。