近红外光谱检测技术作为一种绿色、无污染、快速、无损检测技术，广泛应用于医药[1]、木材[2]、化工、食品[3-6]品质检测等领域，不需要复杂的样品前处理即可同时检测多种成分指标。牛奶含有丰富的动物蛋白，能为人体提供大部分必需氨基酸，口感醇正，易于消化，具有促进青少年智力发育、镇静安神、抗衰老等功效，深受广大消费者的喜爱。但是受牛奶中三聚氰胺事件等负面新闻的影响，我国的乳品消费量大幅下降，食品安全问题摧毁了民众的消费信心。加强乳制品行业的整改，提升产品品质，规范乳品市场是目前亟待解决的重大问题。牛奶成分的分析和品质监测是乳品产业中的重要环节，随着大量品牌涌入市场，提供一种能快速鉴别高品质品牌乳品及掺假识别的检测方法具有重大意义。
1 材料与方法
1.1材料与试剂
牛奶：北农自产牛奶与购自超市的不同日期、不同批次的三元、蒙牛、伊利的纯牛奶、高钙奶及特品奶等。
1.2仪器与软件
试 验 使 用 美 国Thermo Scientific公 司 生 产 的Nicolet 6700傅里叶变换近红外光谱分析仪，利用积分球漫反射采样系统采集其NIR光谱，采样间隔为7.714 cm-1,检测器为In Ga As.仪器开机后需提前预热至少30min,近红外光谱数据采集参数设置为扫描范围10 000 cm-1~4 000 cm-1,扫描次数32次，分辨率16 cm-1,采用自动大气背景扣除，每个样品做3次平行试验，取其平均光谱。光谱数据采集与处理软件为Ominic 8.1.11与TQ Analyst 8.5.28.
牛奶品质指标的测定试验采用优创UL40BC全自动乳成份分析仪。
1.3样品来源与光谱测定
购自超市的不同时间不同批次的三元特品奶（ST）18个样本、三元VAD奶（SV）12个样本、三元鲜牛奶（SX）6个样本、伊利高钙奶（YG）15个样本、伊利纯牛奶（YC）15个样本、蒙牛纯牛奶（MC）15个样本、蒙牛高钙奶（MG）15个样本、北京农学院自产纯牛奶（BUA）20个样本，同时为扩大样本的适用性和代表性，实验室配置了含1 %、2 %、4 %、7 %、10 %、13 %三聚氰胺的蒙牛掺假牛奶（M）54个样本[7],含10 %、20 %、30 %、50 %、70 %、90 %还原奶的三元掺假牛奶（S）54个样本[8],共计224个样本。每个样品重复装样3次进行平行试验，将224个样品的光谱一并纳人后续的模型分析。
为了消除外界环境的影响，减少试验过程中的操作误差，提高光谱数据的有效信息量，样品光谱的测定采用50 m L规格的同一烧杯盛放，采样温度为（23±2）℃，样品需要在采样温度下平衡至少2 h,采样高度为25 mm[9].使用智能化TQ Analyst 8.5.28化学计量学软件，以及光谱预处理方法，滤除各种因素产生的高频噪声。采用主成分分析方法，建立不同品牌牛奶样品的光谱数据的定性判别模型。
1.4光谱预处理
NIR光谱采集过程中，采样环境、样品均匀性及仪器状态等因素的影响，可能会导致光谱基线产生偏移或漂移，背景干扰等现象，在建立校正模型时，就需要对光谱进行适当的预处理来消除其影响。常用的预处理的方法有多元散射校正 （MSC） 和标准正则变换（SNV）、微分处理（一阶导、二阶导）、平滑滤波（如Sacitzky-Golay滤波和Norris微分滤波）等[10].
分析对比试验中采集的224个牛奶样品的NIR光谱在不同预处理条件下的建模效果，发现试验中原始谱图建模效果良好，采用PCA降维后，定标模型对外来样品的光谱差异的识别程度高，预测结果准确率大于等于99.0 %.不同的光谱预处理方法下建模效果的对比如表1.
不同预处理条件下的建模结果见表1,高品质原始谱图经常不需要预处理，就能达到良好的建模效果，因此样品采集过程中要尽量避免环境及样品误差的影响。
1.5主成分分析
NIR光谱数据是一个高维数据矩阵，主成分分析（principal component analysis,PCA）是将数据降维以消除众多信息中相互重叠的部分。通过对大量原始光谱变量进行分析转换，使数目较少的新变量成为原变量的线性组合，同时新变量能最大限度的表征原变量的数据结构特征，并不丢失有用的信息。
2 结果与分析
2.1不同品牌牛奶样本的近红外漫反射光谱与乳成分
随机抽取不同品牌的牛奶进行NIR光谱扫描，测得其典型近红外漫反射光谱曲线如图1所示。
