我与近红外的故事——河南科技大学食品与生物工程学院刘建学

　　我与近红外结缘，起于1996 年，算起来也算是近红外战线的一名“老兵”了，不过只是“老兵油子”而已，袁洪福理事长、韩东海副理事长那才是将军呢。

　　回想起近红外工作的岁月，有喜悦，也有郁闷;有振奋，也有彷徨。最初的时段，主要困难是可参阅的资料太少，而我的经历也同韩老师一样——机械出身，可以说是一个不折不扣的“门外汉”。但最大的困难是计算机，内存小，运算速度慢，对于光谱庞大的数据运算不能满足，而且没有现成的软件可用，只好自己编程，有时为了编译过程通不过，可能耗费半天、一天甚至两天，到最后可能只是因为一个符号的错误。每当问题得到解决时，真有一股振臂而呼的冲动，同时又会自恋一番：“我真伟大!”为了提高运算速度，我将一个数组一个数组的运算，算完一个存入硬盘，给一个地址，使得计算机“咯咯吱、咯咯吱”(硬盘的读存声音)的反复存取，哎，可怜我那计算机&#823&#823从286 换到386，一个模型的一次优化计算也仅仅是从56 小时减到42 小时!

　　正所谓“无知者无畏”，随着对近红外光谱分析技术的深入了解，既然这项技术属于二次检测技术，既然“特定物质对近红外光有特异吸收”，那么我想物质的某些物理性质是否能被近红外信息光所反映?于是我检测了大米胶稠度这个物理指标，其结果使我非常吃惊，与国标方法相当一致，这也更加使我相信，近红外信息反映了物质的综合特性。但如果你问我到底是什么组分产生这个结果，我没有再深入研究，真回答不上来。大概是因为大米中的支链淀粉起了主要作用，当然也不排除蛋白质、脂肪等成分的综合作用。

　　基于这次试验，再后来我又试着利用近红外光谱技术对微生物的检测，主要是利用模式识别技术对革兰氏阳性菌、阴性菌以及同类菌之间的鉴别，效果也较好。使我对此发生兴趣的原因，是早些年给奶制品企业建立的菌落总数和大肠杆菌菌落数的预测模型。很多企业要靠收购奶农的牛奶来维持持续生产，在原料奶的收购中要进行等级划分，其中的生物学指标是菌落数和大肠杆菌数，用常规方法奶农要等一周后才能领到原料奶钱。如果近红外方法可以，那应该是最理想的方法了。于是通过现场样品采集，包含所有供奶单位和个人的所有存栏的样品，建立了菌落总数和大肠杆菌的数学模型，其结果满足生产需要，为企业结省了大量资金，也减少了不少可能的麻烦。现时企业使用的进口设备菌落总数测定仪在当时还没有。其实根据企业标准，50 万cfu/ml以下为一级，50~100 万cfu/ml 为二级，100~200 万cfu/ml为三级，200~500 万cfu/ml为四级，500 万cfu/ml以上为五级，我只是进行了分级而已。这篇文章在全国第一届近红外光谱学术会议论文集有收录。

　　可能大家会有疑问，大肠杆菌能测吗?我也有相同疑问，因为牛奶本身是复杂成分的集合体，大肠杆菌本身组分在牛奶中也同样存在，为何能够区分?这也是我近年来基本没有间断探索的问题，到底是菌中哪些物质对近红外光有特异吸收，我从细胞壁的组成、细胞质的组成成分中进行筛选，但其中困难还是很大的，也产生过退缩情绪，最可惜的是几次申报国家自然基金却没有得到资助。

　　目前进行的工作除继续对致病菌近红外敏感组分的筛选外，还在进行白酒原酒的分级方法研究，其骨架成分的研究很快完成，期望能开发出便携或在线分级仪器，以后再与大家交流和分享，愿我们的事业更加红火。