本文获国家重点研发计划项目（2023YFD2401205）。
中国水产科学研究院黄海水产研究所、中国海洋大学食品科学与工程学院的李琳，孙慧慧，曹荣，孙永，张朝辉等人介绍了南极磷虾资源丰富、营养价值高，但贮运过程中易发生品质劣变，传统化学分析方法效率低、操作繁琐。因此，提出采用近红外光谱技术（NIRS）结合偏最小二乘法（PLS），建立快速测定非蛋白氮（NPN）和挥发性盐基氮（TVB-N）含量的定量分析模型，以实现南极磷虾品质的高效评定，具有实际应用价值。
摘要：为实现南极磷虾（Euphausia superba）品质的快速评定，本研究将近红外光谱技术（Near infrared spectroscopy，NIRS）与偏最小二乘法（Partial least squares，PLS）相结合，构建用于快速预测磷虾体内非蛋白氮（Non-protein nitrogen，NPN）含量和挥发性盐基氮（Total volatile base nitrogen，TVB-N）含量的近红外定量分析模型。采集近红外光谱后，通过比较决定系数（Coefficient of determination，R2）、校正标准偏差（Root mean square error of calibration，RMSEC）、预测标准偏差（Root mean square error of prediction，RMSEP）等模型的评价参数，选取近红外光谱定量分析模型的最佳预处理方式、特征光谱范围以及主因子数。结果显示，NPN含量模型的最佳预处理方法为多元散射校正（Multiplicative signal correction，MSC），其特征光谱范围为8887.1~7774.2 cm−1；TVB-N含量模型则采用MSC与卷积平滑（Savitzky-Golay smoothing，SG）相结合的方式进行预处理，建模范围为全波段。两个定量模型的主因子数均为5。经模型的优化与外部验证，最终构建的PLS最优模型如下：NPN含量近红外定量分析模型的R2为0.9384，RMSEC为0.279，RMSEP为0.443；TVB-N含量近红外定量分析模型的R2为0.8685，RMSEC为3.800，RMSEP为4.070。研究结果表明，两个模型均具有良好的预测精度（R2>0.85）和稳定性，其中NPN定量分析模型的预测能力优于TVB-N定量分析模型。综上，本研究基于NIRS与PLS构建的定量分析模型能够有效预测南极磷虾体内的NPN和TVB-N含量，为南极磷虾的品质评价提供了可靠的技术支持，满足快速评定的实际应用需求。
1）南极磷虾原始近红外光谱显示8887.1~7774.2 cm⁻¹和5601.2~4176.6 cm⁻¹波数范围存在特征吸收峰，与O-H和N-H键振动相关，可用于预测NPN和TVB-N含量；
2）通过光谱预处理和波段筛选优化PLS定量模型，确定MSC为NPN最佳预处理方法，8887.1~7774.2 cm⁻¹为特征波段，TVB-N模型则采用全波段；
3）主因子数确定为5时模型性能最优，NPN模型R²=0.9384，TVB-N模型R²=0.8685；
4）模型验证表明两种模型均能满足快速检测需求，其中NPN模型预测精度更稳定。
Fig.1 Raw NIR spectra of the Antarctic krill sample set
Table 1 Measurement results of NPN content and TVB-N content
表 2 不同光谱预处理方式的PLS建模结果
Table 2 PLS modelling results for different spectral preprocessing methods
注：Raw，原始光谱；MSC，多元散射校正；SNV，标准正态变量变换；D1，一阶导数；D2，二阶导数；SG，卷积平滑；R2，决定系数；RMSEC，校正标准偏差；RMSEP，验证标准偏差。
Fig.2 NIR spectra after treatment with different preprocessing methods
Table 3 PLS modelling results for different spectral ranges
Fig.3 Plot of principal factors with RMSEP
注：a. NPN含量定量分析模型；b. TVB-N含量定量分析模型。
图 4 PLS近红外定量分析模型
Fig.4 Quantitative NIR analysis model in PLS
注：a、c分别为NPN和TVB-N实测值与预测值之间的关系；b、d分别为NPN含量和TVB-N含量实测值与预测偏差之间的关系。
图 5 模型验证结果
Fig.5 Model validation results
注：a. NPN含量模型验证结果；b. TVB-N含量模型验证结果。
总结了基于近红外光谱与偏最小二乘法建立的南极磷虾NPN和TVB-N含量定量分析模型的结果。模型优化后，NPN模型的相关系数为0.9384，TVB-N模型为0.8685，两者预测精度和稳定性良好，且NPN模型优于TVB-N模型。研究表明，该方法可实现南极磷虾品质的快速评定。未来计划引入机器学习算法、扩大样本量并优化特征波长选择，同时探索便携式近红外光谱仪的应用，以提升模型性能和检测实用性。
引用本文：李琳，孙慧慧，曹荣，等. 基于近红外光谱技术的南极磷虾品质快速评定[J]. 食品工业科技，2026，47（1）：318−325. doi: 10.13386/j.issn1002-0306.2024120219.
Citation：LI Lin, SUN Huihui, CAO Rong, et al. Rapid Quality Assessment of Antarctic Krill Based on Near-Infrared Spectroscopy[J]. Science and Technology of Food Industry, 2026, 47(1): 318−325. (in Chinese with English abstract). doi: 10.13386/j.issn1002-0306.2024120219.
张朝辉，男，教授，硕士生导师，本科毕业于中国海洋大学，博士毕业于东京海洋大学，目前工作于中国海洋大学食品科学与工程学院海洋生物活性物质研究室。研究方向为海洋生物活性物质的开发应用及水产品高值化利用技术。承担了国家863计划项目1项，国家自然科学基金面上项目2项，省部级及其他项目多项，发表学术论文70余篇，其中SCI、EI收录论文20余篇。目前讲授的课程主要有食品风味化学、中国饮食文化概论（本科课程）、参讲研究生课程高级生物化学、食品科学前沿。
孙永，工学博士，副研究员，主要从事水产品加工与质量安全方面的科研工作。主持包括自然资源部“十三五”海洋经济创新发展示范项目、山东省重点研发项目课题、国家重点研发计划项目子课题和中央级公益性科研院所基本科研业务费项目在内的多项课题；作为骨干参与包括国家重点研发计划、国家科技支撑计划、国家自然科学基金等多项科研项目的研究工作。累计发表论文43篇，其中第一或通讯作者JCR 1区SCI论文6篇；第一发明人申请国家专利3项；作为主要完成人参与制修订农业行业标准3项，团体标准1项；荣获中华农业科技奖、山东省科技进步奖等多项科研奖励。
（以上信息来自中国水产科学研究院黄海水产研究所官网）
本文内容由《食品工业科技》官网www.spgykj.com AI自动生成，欢迎点击阅读原文，获取原文进一步深读。
群聊：食品工业科技作者群
我刊正式组建微信作者群，为作者提供更多的学术与论文资讯，如需进群，请联系刘老师（微信：上方二维码,电话：87244117-8062）。
《食品工业科技》具有以上论文在全世界范围内的复制权、发行权、翻译权、汇编权、广播权、表演权、信息网络传播权、转许可权及以上权利的邻接权，且作者已授权期刊同论文著作权保护期。如需转载，可联系《食品工业科技》编辑部010-87244116，或直接在文末撰写转载来源。
