1.2 光谱技术在食品品质检测中的应用现状
光谱技术如近红外光谱法、红外光谱法、拉曼光谱法、紫外-可见光光谱法等作为近些年蓬勃发展起来的快速检测方法，在石化、医药、食品和农业方面的检测领域得到了广泛研究和应用。光谱检测方法属二次检测技术，只要在首次建模时建立优秀的标准模型数据库并定期进行维护、模型修正和转移，即可将此检测方法对农产品进行快速、无损、无污染地直接测量，无需像生物化学原理方法每次测量都进行复杂的样本前处理，非常适用于现场检测。
1.2.1 光谱技术在农药残留检测中的应用现状
1874年欧特马·勤德勒首次合成DDT（双对氯苯基三氯乙烷），1939年瑞士化学家P.H.Müller发现了化合物DDT强大的杀虫剂功效，使农药从天然药物与无机合成农药并存的阶段直接进入了合成有机农药的阶段。当农药使农作物产量增加、提高经济效益时，带来的问题也逐渐显露。1962年农药残留的概念被首次提出，1970年美国成立国家环境保护局（US EPA），开始对包括农药残留在内的全部农产品环境进行检测。目前全世界化学合成的农药大约有1.4万种，常用的有80种左右，美国环境工作组（EWG）连续10年发布的受农药污染最严重的农产品排行榜中，约65%的农产品样本检测呈阳性，其中苹果位居12种农药污染排行榜之首，几乎每个样本的农药残留量都高达99%，残留农药种类至少有一种。20世纪70年代以来，伴随着气相色谱和液相色谱的发展，农药残留分析技术不断成熟，农药残留开始被人们关注。经过半个多世纪的研究与发展，农药残留检测技术种类日益增多，成本逐渐降低，检测过程更加方便和快捷。目前研究中的检测技术多达几十种，检测原理涉及各个学科。依据我国的实际蔬菜种植和销售状况，我国农药残留的检测体系主要分为田间地头、市场和实验室三步检测，不同农药残留检测方法适用于其中不同的步骤，例如，试纸法和传感器法被广泛应用于田间地头的初步筛查，酶抑制法和光谱技术等适用于市场快速检测，而条件较好的实验室则常用GC（气相色谱法）、LC（液相色谱法）、HPCE（毛细管电泳）技术、薄层色谱技术、色谱-串联质谱法等对农药残留进行仔细、准确地分析。
农药残留量检测方法主要是生物、化学检测方法，检测时针对被测物化学组分比较复杂的问题，也为了得到准确可信的检测结果并方便检测，需要使用一定的样本前处理方法，传统的前处理方法有振荡提取、液-液分配、索氏提取、离心、柱层析等，近年来随着色谱技术的快速发展，微波辅助萃取（MAE）、固相微萃取（SPME）、快速溶剂提取（ASE）、超临界流体萃取（SFE）和凝胶渗透色谱（GPC）等技术也被广泛地应用于农药残留检测的前处理中。虽然这些样本处理方法对于检测结果有突出的贡献，但是其操作的高度复杂性和高成本特点限制了现场检测的应用，并且基于生物化学原理的检测方法耗时长，结果的等待周期长。在使用特殊化学方法提取待测成分的过程中，可能会出现污染环境的情况，检测后的样本通常情况下都无法继续正常食用。因此，此领域迫切需要新型的农药残留量检测技术来克服基于生物、化学方法的农药残留量检测方法的弊端。
近年来，在农药残留量检测领域，研究者分别使用各种不同的光谱做了一些研究，得到了较为理想的结果。
1.近红外光谱技术在农药残留量检测中的应用
近红外光谱检测方法是理论基础较为成熟、应用非常广泛的光谱检测技术。近红外（NIR）光谱是由于分子在振动和转动过程中向高能级跃迁时反映物质中含氢基团如C-H、O-H、N-H等振动过程的倍频跟合频的吸收，根据样本的待测成分在近红外光谱区700～2500nm范围内的吸光度特性来实现定量和定性的分析检测。
自1800年被天文学家William Herschel发现后，经过研究者的努力，近红外光谱技术日益完善，并且由于兼有可见区光谱数据容易获取和红外区光谱数据信息量丰富的优点，而被广泛应用于农药残留量检测研究领域。
国外方面，Bahareh等人使用可见/近红外（Vis/NIR）光谱技术来探究无损检测黄瓜中二嗪农残留的可行性。研究用450～1000nm波长处光谱对二嗪农的浓度变化进行定量分析，所得校正标准方均差为0.366；针对二嗪农含量高于和低于最大残留限量的两种黄瓜样本，基于不同的光谱预处理建立了其偏最小二乘判别（PLS-DA）的分类模型，该模型校正集和预测集的分类准确率分别为97.5%和92.31%。结果表明，可见/近红外光谱可以适当、快速、无损地对黄瓜中的二嗪农含量进行控制。Arias等人对苹果中的农药代森锰锌和克菌丹进行了研究，实验获取了两种农药液体样本的近红外光谱，建立了基于SIMCA法的分类模型，该模型对农药含量在最大残留限量水平之上和之下的两类样本的分类准确率为99%～100%。Lourdes等人对近红外光谱技术检测橄榄中除草剂敌草隆的可行性进行了评估，实验制备了敌草隆含量在最大残留限量之上和之下的橄榄样本216个，用一组不含敌草隆的样本作控制样本集，采用二阶导数结合多元散射校正（MSC）的前处理方法建立了定性判别模型，该模型对敌草隆含量在最大残留量之上和之下的两类橄榄样本的判别正确率为85.9%，表明近红外光谱技术适合对完整橄榄的敌草隆含量进行质量控制。Sánchez M.T.等人详细研究了含农药及不含农药的无损青椒、青椒粉碎液和青椒粉碎液烘干物的近红外光谱，采用主成分分析法对光谱进行预处理，采用马氏距离法对样本进行校准，确定了青椒及其所含农药的特征谱区。
国内方面，Xue等人采用近红外光谱技术研究了脐橙表面的敌敌畏残留量，研究共使用330个脐橙样本，其中220个作校正样本，110个作预测样本，用自来水将敌敌畏稀释至不同浓度后喷洒至脐橙表面。12h后，采集所有样本的近红外光谱，然后用GC法测定每个样本的敌敌畏含量作为标准值，使用粒子群优化（PSO）算法进行波长选择后结合偏最小二乘（PLS）法建立了定量模型，结果表明该PSO-PLS模型不仅可以优化模型复杂度还能够提高定量模型的精度，对220个校正样本的校正标准方均差（RMSECV）为0.8692，对110个预测样本的预测标准方均差（RMSECP）为0.8743。Xu等人将超高压技术与近红外光谱技术相结合应用于大白菜中的农药乐果残留检测，结果表明：超高压提取不影响近红外光谱的吸收，在4100～11000cm-1的近红外光谱范围内建立了基于PLS的数学模型，相关系数为87.14%，RMSECV为0.139，其中10-5～10-4浓度范围内相对误差较小，预测效果也较好，通过进一步处理和样本的选择可以扩大样本预测浓度的范围。沈飞等人对近红外光谱分析技术在辛硫磷农药残留检测中的应用研究中，纵观近红外光谱技术的新发展，综合考虑后采用的优化手段为以硅胶为吸附剂来吸附微量的农药，这种方法需要将需要扫描的对象掺入硅胶，然后再扫描其近红外数据，并以此建立PLS数学模型，建立模型后的评价手段采取留一法交互验证。结果表明，以0.5mg/L作为间隔选取的21个待测目标的评价参数如下：交互验证相关系数为0.958，RMSECV=0.872mg/L。以间隔为0.25mg/L选取另外一组待检测目标集的41个待测目标的评价结果如下：交互验证相关系数为0.924，RM-SECV=1.15mg/L。模型的预测能力虽然在间隔为0.25mg/L的样本中有所损失，但是其相关系数仍是较优的，以硅胶吸附样本中农药的方法对痕量农药残留量的近红外光谱检测技术是有效的。刘丽丽基于近红外光谱技术研究了白菜乐果残留的分析和检测探索，使用的主要样本制作手段为以超高压对蔬菜进行预处理，压力持续3min，并且保持300MPa的压强，并在其中掺入50mL的萃液，需要25g农作物。仪器参数的设置情况大致如下，光谱扫描的分辨率：4cm-1，按采集32次进行光谱平均处理，光程1mm，以此建立了近红外光谱仪器扫描到的数据的分析模型。结果表明，使用超高压处理过的蔬菜样本的相关系数为87.14%，模型的RMSECV=0.139，根据研究结果，此方法的分析精度为10-5，比同等条件下不进行超高压处理的样本数据的分析精度高100倍，并且此方法的快捷程度为NY/T 761—2008所规定的国标有机磷农药分析快速程度的20倍左右。吴泽鑫等人基于近红外光谱的番茄农药残留无损检测方法研究中，建立的基于误差反传理论的神经网络方法数学校正分析模型，试验得到了如下结果：对校正集外的样本的正确判断高达96%，在模型的建立过程中，对神经网络模型的训练仅有0.015的偏差，R=0.971，表明了BP神经网络在近红外光谱法检测农药残留量研究中的可行性。代芬等人在基于近红外光谱分析的桂圆表面农药残留无损检测研究中，对桂圆上存在的0，0-二甲基-（2，2，2-三氯-1-羟基乙基）磷酸酯和O，O-二甲基-O-（2，2-二氯乙烯基）磷酸酯残留含量分析进行了新的探索，仪器的扫描波数为500～1000nm，扫描用不同浓度的0，0-二甲基-（2，2，2-三氯-1-羟基乙基）磷酸酯和O，O-二甲基-O-（2，2-二氯乙烯基）磷酸酯喷洒的桂圆，对扫描到的取样值进行主成分分析、聚类分析，并建立BP神经网络模型，结果表明，模型判断两种农药物质的微量残留结果高达93%和80%，为BP神经网络在近红外光谱检测中应用的可行性提供了实验依据。
2.ATR-FTIR技术在农药残留量检测中的应用
红外光谱波段的电磁波波数在4800～400cm-1的范围，常用于定量分析和结构定量分析。由于衰减全反射傅里叶变换红外光谱（ATR-FTIR）技术的独特优势，其应用极其广泛，在农药残留检测领域应用研究都有较多的文献记载。
李志倩等人在研究中确定了农药敌敌畏和敌百虫在中红外波段的特征峰，对42个农药敌百虫的水溶液样本进行光谱扫描后结合PLS法建立了其多变量数学模型，模型相关系数为0.95，预测残差在40ppm[1]以内，从而表明ATR-FTIR技术在检测农药残留方面具有理论依据和实验操作的双重可行性。索少增等人使用ATR-FTIR光谱技术定量分析研究了萝卜中的毒死蜱残留含量，从线性和非线性两种角度出发将ATR-FTIR光谱数据用矢量归一化法优化后建立了基于PLS法和BP神经网络的两种数学模型，其中基于PLS的模型校正标准差为0.168，预测标准差为0.127，基于BP神经网络的模型校正标准差为0.100，预测标准差为0.106，表明ATR-FTIR光谱技术在萝卜中农药毒死蜱残留检测方面有潜能和研究价值。徐琳等人首先分析了ATR/FTIR技术和红外透射技术原理上的区别，然后通过实验证明了ATR/FTIR技术检测蔬菜中氯氰菊酯含量比传统红外透射技术效果好、灵敏度高。Xiao等人使用苹果中毒死蜱为研究材料，分析了苹果挥发物中的ATR-FTIR光谱，观测到毒死蜱在830～990cm-1和990～1259cm-1处具有明显的特征峰，然后在苹果上喷洒浓度分别为1∶20、1∶10、1∶1000的毒死蜱，加上干净的苹果，采集这4组样本挥发物的中红外光谱，并使用主成分分析（PCA）方法进行分类，结果表明中红外光谱技术在完全无损条件下可将4组样本准确分类。Wei Liao等人以ATR-FTIR光谱法监测DNA结合过程中的蛋白质和小分子，将此技术用于生化反应过程的检测。在农药残留检测领域的应用中，徐琳使用ATR-FTIR光谱技术对抑虫琳在青菜表面的残留进行了分析，作者通过自己的试验方法进行了检测限的研究。在衰减全反射红外光谱法测定蔬菜农残的实验研究中，徐琳以氯氰菊酯和抑虫琳为研究对象，对多种叶菜类农作物产品进行了残留检测分析，对检测限进行了研究，为ATR-FTIR红外光谱技术在蔬菜农药残留检测领域提供了方法上的依据。朱春艳在FTIR/ATR检测蔬菜有机磷农药残留研究中，初步研究了敌百虫在常用蔬菜上的残留检测，确定了更低的检测限。
3.表面增强拉曼散射光谱技术及其在农药残留检测中的应用
拉曼光谱是一种散射光谱，广泛应用于物质结构鉴定的分析检测并适用于许多领域。拉曼光谱有诸多优点，检测时需要的样本量极少，而且可以实现痕量分析；可以对样本直接测量而不损坏样本，可实现无接触无损测量；根据拉曼散射机理，拉曼光谱的频移特性不受限制于光源频率，因此可以根据样本特性选择不同激发波长的光源进行检测；由于激发光源激光在光纤内部传播时损耗小，拉曼光谱技术还可以实现远程检测。拉曼光谱发现的时间比红外光谱晚，因此拉曼光谱检测方法的研究起步也比较晚。拉曼表面增强技术的出现，使得样本的拉曼强度提高了几个数量级，大大提高了拉曼光谱技术检测的灵敏度，改善了常规的拉曼光谱方法检测的有效性，并且随着拉曼表面增强技术的不断进步，拉曼光谱的检测限还在不断降低甚至直逼单个分子。还有傅里叶变换拉曼光谱技术，采用近红外激光作为激发光源能够消除大量的荧光干扰信号，同时结合化学计量学统计方法，可以通过比较分析光谱间的相似度来实现物质的鉴别检验。
国外对表面增强拉曼散射光谱技术的应用研究时间较长，在食品品质和食品安全特别是农药残留方面取得了一定的进展。Wisiani等人使用表面增强拉曼散射光谱技术对烟碱类杀虫剂啶虫脒进行了快速检测，以金属银为表面增强剂获得其SERS，研究发现其在634cm-1处出现明显特征峰，在甲醇-水1∶1溶剂、苹果汁和苹果表面的检测限分别为0.5μg/mL、3μg/mL、0.125μg/mL。Benjamin Saute等人采用785nm激发波长，以金纳米棒为表面增强拉曼散射基底对3个不同的二硫代氨基甲酸杀菌剂：福美双、福美铁和福美锌进行了检测，3种杀菌剂的定性检测限分别为（11.00±0.95）nM、（8.00±1.01）nM、（4.20±1.22）nM；定量检测限为（34.43±0.95）nM、（25.61±1.01）nM、（12.94±1.22）nM，实现了3种农药的nM级检测。Trang等人利用金纳米棒和石墨烯作为关键材料制造了高性能表面增强拉曼散射拉曼基底，对谷硫磷、西维因和亚胺硫磷3种杀虫剂进行了检测研究，结果表明石墨烯-镀金膜-金纳米棒组合基底对3种农药有最强的拉曼增强效果，对谷硫磷、西维因和亚胺硫磷3种杀虫剂的最低检测限分别为5ppm、5ppm、9ppm，用PLS法建立定量模型分析光谱数据，谷硫磷、西维因和亚胺硫磷3种杀虫剂模型的相关系数分别为0.94、0.87、0.86。Jitraporn等人分别使用金、银纳米溶胶粒子作为表面增强基底获得了农药地虫磷的表面增强拉曼散射光谱，发现地虫磷分子在两种金属表面的吸附特性不同，特征信号的增强效果也不同，其中基于银纳米粒子的地虫磷检测限可达10ppm。Shintaro等人采用纳米银作为表面增强基底研究了水胺硫磷、氧化乐果、甲拌磷和丙溴磷4种农药的表面增强拉曼散射光谱，主成分分析显示4种农药的检测限分别为1ppm、5ppm、0.1ppm和5ppm。Carrillo-Carrión C等人采用色谱分析结合SERS技术的方法对特丁津、绿麦隆、敌草隆和阿特拉津4种农药进行了检测，实验表明4种农药的检测限为0.2～0.5ng。
近年来国内也渐渐将拉曼光谱技术应用于果蔬中的农药残留检测。其中李小舟等人选用苹果和有机磷农药倍硫磷、甲拌磷为研究对象，采用表面增强拉曼散射光谱技术探索了两种农药在苹果表面的快速无损检测方法，实验发现：表面增强拉曼散射光谱可有效识别倍硫磷和甲拌磷的特征信号，然后分别以728cm-1、1512cm-1波段处的拉曼信号作为甲拌磷和倍硫磷定标峰建立两种农药的定量标准曲线，为表面增强拉曼散射光谱技术定量分析甲拌磷、倍硫磷的含量提供了参考。王晓彬等人对空心菜中的农药噻菌灵进行了研究，采用快速前处理方法萃取了空心菜菜汁，分别采集了以水和菜汁为背景的不同浓度的噻菌灵的表面增强拉曼散射光谱，结果表明水溶液中的噻菌灵表面增强拉曼散射信号在0.1～10mg/L范围内具有良好的线性关系，以1009cm-1波段处峰强建立的噻菌灵定量分析曲线相关系数为0.9922；空心菜菜汁中噻菌灵溶液表面增强拉曼散射光谱最低检测浓度为0.2mg/L，在该浓度下，990cm-1、1225cm-1和1527cm-1波段处的特征峰明显，与水溶液中的噻菌灵表面增强拉曼散射特征峰一致，可以作为定性鉴别叶菜中噻菌灵农药残留的依据的同时也为叶菜中农药残留的快速检测提供了方法支持。徐莹等人采用一种新型的基于银修饰的氨基改性粉末多孔材料作为表面增强拉曼散射基底对农药乐果和水胺硫磷进行的检测，将两种农药的检测限从单纯银溶胶作为基底的100mg/L和7mg/L降低到了0.5mg/L和0.14mg/L，并且在低浓度下乐果和水胺硫磷的混合农药溶液中各农药的特征峰仍然可显著识别，为有机磷农药的检测提供了一种新的检测手段。赵进辉等人采集分析了四环素水溶液的SERS光谱，使用自适应迭代惩罚最小二乘法（air-PLS）消除其荧光背景，探索了四环素浓度对其表面增强拉曼散射信号强度的影响，最后以1274cm-1波段处峰强定标，建立了水溶液中四环素浓度的标准曲线，相关系数为0.9897，为之后快速分析检测水中四环素残留提供了参考。LiuB等人采用SERS技术结合金纳米基底对苹果及西红柿样本中的3种农药（西维因、亚胺硫磷和谷硫磷）进行了定性定量分析，其中西红柿中亚胺硫磷的检测限可达2.91ppm。Yu等人采用SERS方法检测了苹果中的甲拌磷和倍硫磷，结果表明两种有机磷农药都有较易识别的特征频率，然后选取甲拌磷的728cm-1波段和倍硫磷的1512cm-1波段的拉曼信号做定量分析，采用内标法建立了两者的线性回归模型。周小芳等人用激发波长为1064nm的拉曼光谱仪测定了梨、香蕉、苹果等常见水果中常用农药的特征拉曼光谱，结果表明拉曼光谱能同时显示出水果和农药的特征谱，从而可以判断出水果表面所含的各种不同农药。
由此可见，国内外学者、机构基于紫外-可见光、近红外、ATR-FTIR和表面增强拉曼散射光谱的农药残留检测研究都取得了一定效果，为农药残留检测的快速化、现场化和绿色化奠定了基础。
4.紫外-可见光分光光度法在农药残留检测中的应用
目前的研究中，紫外光谱结合高效液相色谱分析技术在检测农药残留方面取得了较好的效果。吴国旭等人研究了高效液相色谱中94种化合物在紫外光波段中的特征吸收波长，找出了分别适宜这些化合物定性分析和定量分析的最大吸收波长和适宜分析波长，通过简化检测操作步骤降低了分析时长。黄明元等人建立了一种快速分析肉制品中瘦肉精盐酸克伦特罗含量的方法：将盐酸克伦特罗与环糊精混合后再测定其紫外光谱的吸光度值，实验发现358nm波长处吸收峰强能够线性体现盐酸克伦特罗浓度的变化，据此所建立标准曲线检测限为0.015mg/L，线性范围为0.05～0.15mg/L，线性相关系数为0.9995，残差比为2.20%～6.04%，回收率为95.0%～106.0%。林静佳等人将乳及乳制品溶解于水中，进行一定的前处理后利用双波长紫外—可见光分光光度法测定其中的硝酸盐含量，实验结果表明乳和乳制品中硝酸盐加标回收率为92.0%～96.6%，与国标方法检测结果无显著差异，相对标准偏差为2.5%～3.3%，该方法快速经济，适合在大批量乳制品硝酸盐含量的快速测定中推广。马仁坤将紫外-可见光分光光度法进行改进后对水中总氮的含量进行了检测：首先通过双波长法快速判断水体消解过程，然后结合BP神经网络消除了碘离子和溴离子的干扰，建立了水中总氮的分析模型，结果表明误差范围在2%以内时总氮的检测上限为6mg/L，误差范围在8%以内时总氮的检测上限为10mg/L，大大提高了总氮的测定效率。上述研究显示，紫外-可见光分光光度法可以用于农药残留检测，但对被测样本背景单一度要求较高，一般只能使用单波长法或双波长法进行分析。
1.2.2 光谱技术在食用植物油品质检测中的应用现状
食用植物油在近红外光谱区可以获得包含大量有用信息的近红外吸收光谱，不同种类的食用油各个成分也都包含了特有的吸收光谱特征，为实现定量或是定性检测分析提供了有力的基础。但是近红外光谱范围比较宽，组分共存使各组分光谱之间产生重叠而造成了严重的干扰，需要结合多元校正方法实现有效的定量分析，对于定性分析也需要结合模式识别的方法，进行有效的分类判别。
吴静珠、刘翠玲等人针对花生油掺伪的问题，采用近红外光谱技术区分花生油与按照10个梯度的体积比掺入大豆油、棕榈油、菜籽油以及调和油的掺伪花生油。将40个掺伪样本与5个花生油样本结合支持向量机算法建立了花生油的掺伪鉴别模型，识别和预测的结果正确率均能达到100%，模型具有一定的可行性与实用性。张辉、吴迪等人基于近红外光谱方法实现了对食用油主成分中的α—亚麻酸及亚油酸的定量快速检测，采用偏最小二乘回归算法和最小二乘支持向量机算法分别建立定量分析模型，并比较不同预处理方法对模型结果的影响，为食用油脂肪酸含量的快速检测提供了依据。Luna A.S、da Silva A.P等人采用近红外光谱法对转基因和非转基因大豆油进行了分类识别，应用主成分分析算法提取特征光谱并剔除了异常样本，然后分别用支持向量机算法和PLS法对结果进行了分析，分类结果的正确率约为90%。结果表明，应用近红外光谱技术可以实现识别转基因与非转基因大豆油。
中红外（MIR）光谱通过基频、倍频及合频吸收产生的吸收峰来表征分子的结构特征。根据某物质的中红外光谱便能够像指纹识别一样判断是否存在该物质或是某个化学基团，实现定性判别分析；或是根据某组分的吸收峰强度，结合朗伯比尔定律实现对该组分的定量预测分析。
VincentBaeten等人采用FTIR光谱方法检测橄榄油掺入榛子油的比例，对油品及其皂化物质采集中红外光谱，结果表明该方法对于橄榄油中掺入榛子油的鉴别是完全可行的，且对于榛子油掺杂量的检测限为不低于8%。YokeW.Lai等人应用FTIR光谱技术，结合主成分分析与判别分析算法检测玉米油、葵花油、菜籽油等8个种类食用油，并利用2800～3100cm-1和100～1800cm-1范围的光谱信息进行食用油的聚类分析，根据橄榄油与其他种类油的明显差异实现掺假橄榄油的定性鉴别分析。HongYang、JosephIrudayaraj等人利用FTIR、FTNIR和拉曼检测方法对食用油和脂肪酸分别进行分类辨别，并应用LDA（Linear Discriminant Analysis，线性判别式分析）和CVA（Canonical Variate Analysis，规范变量分析）的分析方法对光谱数据进行分析处理。结果表明，采用FTIR检测方法得到的分类结果最好，准确率为98%，而另外两种方法分类的准确率略低于FTIR检测方法，但是3种方法都是可行的。
拉曼光谱有诸多优点，检测时需要的样本量极少，而且可以实现痕量分析；可以对样本直接测量而不损坏样本，可实现无接触无损测量。拉曼光谱在食用油检测领域一方面可以应用于食用油的真伪和掺假识别，如判断食用油的真伪以及产地或者对食用油种类的分析识别，另一方面也可以应用于食用油理化指标的定量检测分析中。
章颖强、董伟等人研究了橄榄油中掺杂葵花籽油、大豆油、玉米油的定性识别和掺伪定量预测分析，对117个掺伪的橄榄油样本用拉曼光谱法定性分析检测，采用经过优化的最小二乘支持向量机算法实现定性识别，准确率为97%。比较采用最小二乘支持向量机、人工神经网络算法、偏最小二乘回归算法建立的掺伪定量分析模型预测结果表明，采用最小二乘支持向量机算法建立的定量模型预测方均根误差（RMSEP）为0.0074～0.0142，预测效果最好。Jun Luo、Tao Liu等人使用拉曼光谱法检验掺入体积比为5%～20%的大豆油、玉米油和花生油的掺假芝麻油，应用主成分分析法与PLS法分别对光谱进行定性建模，分类结果准确率可达100%，表明拉曼光谱技术能够实现检测芝麻油是否掺伪。冯巍巍、付龙文等人实现了基于光谱技术的食用油检测系统，并利用此系统获取了某餐馆回收地沟油、油烟机油、压榨花生油以及某品牌花生油4类食用油样本的拉曼光谱及荧光光谱信号，结果表明食用油样本可以检测到包含特征信息的拉曼信号和荧光光谱信号，且不同种类的食用油的光谱信号有一定的区别。因此，采用激光拉曼法和激光诱导荧光检测法相结合的检测手段能够应用于食用油品质的快速检测。
上述光谱技术以其快速、无损、绿色的检测优势在食用油的品质及掺伪分析检测领域有广阔的应用前景。
1.2.3 光谱技术在面粉品质检测中的应用现状
我国小麦粉品质分析基本上是由物理品质检验、化学品质检验、食用品质检验3个部分组成的：物理品质包括加工精度、粗细度、面筋质、磁性金属物等；化学品质包括灰分、含砂量、脂肪酸值、水分等；食用品质包括熟食品质、有害残留物测定、判断其气味和口味等。其中，水分、灰分及面筋的含量是影响小麦粉品质的重要因素，也是工厂日常检测的主要工作，3项指标需要实时检测，同时也对指导实时生产起到重要作用。目前小麦粉的品质检测采用传统的实验室测定法，存在检测时间较长、操作复杂及人为因素影响较大等问题，比如小麦粉的水分、灰分定量分析的测定至少需要3～4h，即使检测人员全力以赴，每日的检验也只能做1～2次，而面筋的检验不仅耗时长而且受人为因素的影响较大，这对保证产品质量的稳定性是远远不够的，特别是生产自动化高度发展的今天，小麦粉厂的配粉工艺要求品质研发部及时提供品质检验结果，以便及时采取措施，调整小麦粉的生产工艺和搭配，减少不合格产品的生产。
针对目前小麦粉品质检测方法的种种弊端和实际生产的需要，研究一种简便、快速、准确、无污染、无损的检测方法是小麦粉品质检测的重要发展方向。近红外光检测技术作为近些年发展起来的检测方法，在石化、医药、食品和农业方面的检测领域得到了卓有成效的广泛研究和使用，并且在某些领域得到了产业化应用，通过近些年的研究证明，近红外光检测技术是无损、无污染、快速、低成本的检测方法。这一方法可以解决传统小麦粉检测时间长、操作复杂等难题，利用近红外光检测技术测定小麦粉的品质指标的技术和方法逐渐得到应用和推广。
彭玉魁等人用近红外光分析技术对124个小麦品种的营养成分含量进行了比较测试，结果表明用近红外光技术测得小麦样品的水分、粗纤维、粗蛋白、赖氨酸含量与常规分析法之间的相关系数较高，均达到了相近的水平。刘继明等人探讨了近红外光分析仪在小麦粉厂的重要应用，可以测定小麦及通用小麦粉水分、灰分、粒度含量等。Feng等人通过对面包老化特性和货架寿命研究表明，利用近红外光交叉验证测定货架寿命数值比质构仪（Texture Profile Analyzer，TPA）测定值的效果更好。
Wesley等人用近红外光漫反射技术对小麦粉的麦谷蛋白和纯溶蛋白进行了测定，结果获得了较高的相关系数和较低的误差，进一步深化了近红外光谱技术的应用领域。值得关注的是澳大利亚Black和Panozzo利用可见光-近红外漫反射技术测定小麦的水分、蛋白质、面团黄度、出粉率、吸水率、延展性、硬度、最大抗延阻力和峰值黏度9项指标，只有最大抗延阻力和延展性的相关程度较低，其他的各项指标与常规分析结果相比均达到了显著相关水平。
邓益锋和张志霞将近红外光谱方法与传统分析方法测定小麦粉中粗蛋白和粗灰分进行比较，统计结果表明，两者相关系数R2分别为0.986和0.991，相对误差均小于5%，说明可以用近红外光谱分析技术进行小麦粉粗蛋白和粗灰分的测定。
为了使DA7200近红外仪在小麦品质分析、优质小麦选育和种质资源评价中广泛应用，高居荣研究利用国标化学法和DA7200近红外仪分别对20个小麦品种的面筋含量、吸水率、蛋白质含量、面团形成时间和稳定时间进行检测。结果表明，近红外光谱技术与国标法具有良好的重现性和相关性。
陈锋、何中虎等人利用近红外的透射光谱对自全国各地426份小麦样品的水分、面筋、硬度、蛋白质等含量进行了测定，指出化学分析结果与光谱之间具有较好的相关性，如蛋白质、水分等指标校正集和预测集决定系数分别为0.96、0.97和0.97、0.96，可知误差较低，这说明近红外光谱对蛋白质和水分的预测精度可以满足一般的分析要求。