《食品科学》：华中农业大学刘莹副教授等：近红外光谱快速检测香菇多糖和蛋白含量

香菇（Lentinula edodes）是我国产量最大的食用菌类，有“山珍之王”的美誉，其气味香、口感嫩、味道好，且具有极高的营养价值和药用功效，兼具食用和药用两种功能。多糖作为香菇等食用菌中最丰富的功效成分，具有抗氧化、抗肿瘤、抗肝炎和增强免疫等作用；而香菇等食用菌蛋白的营养价值高，且具有抗氧化、抗肿瘤、抗菌和免疫调节等多种生物活性。因此，准确定量香菇多糖和蛋白的含量是评估其品质的核心指标。天然植物及食用菌中多糖与蛋白质的定量分析，长期以来主要依赖于传统的化学方法。对于多糖的测定，现行分析手段多基于比色法，如蒽酮-硫酸法或苯酚-硫酸法；而对于蛋白质含量的测定，则通常采用凯氏定氮法或考马斯亮蓝法。尽管上述方法被广泛视为分析标准，但其固有局限性日益显现：这些常规方法通常具有破坏性，操作流程繁琐且耗时较长，同时依赖高温、强酸及多种化学试剂，且对实验人员的专业水平要求较高，因此亟需开发一种快速、简便的分析方法。

相较于传统分析技术，近红外光谱法具有检测速度快、操作简便、样品处理简单、待测样品范围广、主观因素影响小、检测过程无污染等特点，现已成为食品品质管理和农药残留检测等领域的重要工具。该技术通过检测含氢官能团（如O—H、N—H和C—H）的分子泛音与合频振动，能够全面反映样品的化学组成信息。然而，近红外光谱中常包含大量与目标分析无关的信号及背景噪声。因此，结合适当的信号处理技术与化学计量学方法，从复杂光谱中提取有效特征，成为建立高精度预测模型的关键步骤。近红外光谱与化学计量学相结合的策略已在食用菌的组分检测、产地溯源和种类鉴别中取得显著成效。例如，马健等利用近红外光谱技术对278 株蛹虫草样品的成分进行快速定量分析，通过对比发现，采用原始光谱所构建模型对蛹虫草蛋白质含量进行预测的效果最好；赖长江生等采用近红外光谱结合化学计量学算法构建灵芝多糖含量快速预测模型，通过标准正态变换（SNV）光谱预处理所建立的偏最小二乘回归（PLSR）模型的预测结果最佳；Ran Jing等采用近红外光谱结合协同区间PLS与蚁狮优化最小二乘支持向量机（LSSVM）模型，实现了灵芝多糖与水分的快速无损高精度预测，模型相关系数均大于0.9，相对分析误差（RPD）达到2.6以上，具备现场检测应用潜力；Ni Hongfei等采用无损近红外光谱直接扫描灵芝菌盖，结合协同区间偏最小二乘法与蚁狮优化LSSVM模型，高精度预测总多糖和水分含量，校准相关系数均大于0.9，RPD分别为2.6和3.6，实现了对两种成分的快速无损检测；卢洁等采用近红外光谱分析技术与偏最小二乘法对收集的106 批香菇样品多糖含量建立定量分析模型，结果表明近红外光谱技术可以准确对香菇多糖含量进行快速测定。目前尽管已有研究在多糖含量的近红外快速检测方面取得了一定进展，但相关模型多局限于PLSR法，建模策略相对单一，预测性能仍有提升空间；与此同时，针对蛋白质含量的近红外光谱快速检测研究鲜见系统性报道。

华中农业大学食品科学技术学院的安子阳、罗钧议、刘莹*等以香菇为研究材料，利用化学法测定其多糖和蛋白含量，基于近红外光谱技术构建香菇中组分含量的定量预测模型，结合多种预处理方式、特征波长提取策略，优化提升PLSR、支持向量回归（SVR）、基于冠豪猪算法优化的最小二乘支持向量机（CPO-LSSVM）3 种模型性能并进行对比，筛选最优预测模型，分别用于预测样品中多糖和蛋白的含量，以期实现对香菇品质的快速评价。

1 近红外光谱分析

由图1可知，整体光谱曲线变化趋势基本一致，表明样品中无明显的干扰杂质，或其影响可忽略。此外，样品整体吸光度较好，不同样本间的吸光度差异直接体现了化学成分差异，为从光谱中提取香菇多糖和蛋白特定成分信息创造了前提条件。

如图2所示，红色虚线（阈值为2.016 1）以上的2 个样本为异常样本并予以剔除。采用KS算法将剩余122 个样本按4∶1比例划分。由表1可知，校正集两种成分含量分布范围完全覆盖预测集范围，二者平均值与标准差具有良好的一致性，表明KS分集方法可有效保证样本代表性。

2 光谱数据的预处理分析

利用SG平滑、MSC、NORM、SNV、SG-MSC、SG-SNV、SG-NORM预处理方法对香菇样本的光谱数据进行预处理，并结合3 种算法建立预测模型。

图3展示了不同预处理方法对香菇样本近红外光谱的影响。各预处理方法对光谱基线、散射效应及峰形特征产生了不同程度的改善效果。经SG平滑处理后，光谱曲线中的高频随机噪声明显减弱，曲线整体更加平滑，各主要吸收峰位置未发生明显位移，峰形更加清晰。经MSC处理后，各样本光谱整体趋势更加一致，但样本间仍存在一定的幅值差异，且光谱整体上升趋势依然存在，说明MSC主要校正了由颗粒尺寸及表面散射差异引起的乘性散射效应，但对光谱整体强度分布的压缩作用有限。经NORM处理后，光谱强度被压缩至相对统一的范围，样本间重叠程度明显提高，且光谱整体形态基本保持一致，但幅值差异显著减小，表明该方法有效降低了样品间整体能量差异对建模的影响。经SNV处理后，光谱围绕零值分布，原始光谱中明显的基线趋势得到有效消除。样本间由于粒径和散射差异引起的偏移被校正，光谱形态更加稳定，增强了不同样本之间的可比性。在SG平滑基础上结合MSC校正后，光谱既保持平滑特征，同时减弱了散射引起的幅值差异，吸收峰结构更加清晰，样本间差异进一步收敛，为后续特征提取提供了较为稳定的光谱基础。SG-SNV处理后光谱曲线平滑且基线稳定，样本间整体重叠程度进一步提高，且该方法同时削弱了随机噪声与散射效应，使吸收峰特征更加突出。SG-NORM在平滑噪声的同时对光谱强度进行NORM处理，明显压缩了样本间幅值差异，且主要吸收峰更加集中，增强了光谱中与化学成分相关的相对特征信息。

对于香菇多糖，不同预处理方法处理后的预测模型结果见表2。按照模型评价标准，对于PLSR模型，SG-SNV预处理后建模结果优于原始光谱及其他6 种预处理方法，其PLSR模型预测集的为0.818 5，RMSEP为0.019 3 g/g，RPD为2.347 3；对于SVR和CPO-LSSVM模型，SG-MSC预处理后建模结果优于原始光谱及其他6 种预处理方法，预测集的分别为0.930 1、0.876 4，RMSEP分别为0.012 0、0.015 9 g/g，RPD分别为 3.864 7、2.843 9。

对于香菇蛋白，不同预处理方法处理后的预测模型结果见表3。对于PLSR模型，NORM预处理后建模结果优于原始光谱及其他6 种预处理方法，其PLSR模型预测集的为0.919 6，RMSEP为0.013 2 g/g，RPD为3.526 8；对于SVR模型，SNV预处理后建模结果优于原始光谱及其他6 种预处理方法，其SVR模型预测集的为0.915 9，RMSEP为0.013 5 g/g，RPD为3.521 5；而对于CPO-LSSVM模型，SG-NORM预处理后建模结果优于原始光谱及其他6 种预处理方法，其SG-NORM模型预测集的为0.856 1，RMSEP为0.017 2 g/g，RPD为2.635 8。

3 特征波长提取分析

在最优光谱预处理的基础上，采用CARS和VCPA-GA两种波长提取方法消除冗余光谱变量，提取的香菇多糖、蛋白特征波长分别见图4、5。经过特征变量提取后，原始光谱波长得到有效减少。

对于香菇多糖，CARS从SG-SNV（PLSR）、SG-MSC（SVR）、SG-MSC（CPO-LSSVM）选择出的变量个数分别为102、35、119，占总波长数量的3.19%、1.09%和3.72%，VCPA-GA从SG-SNV（PLSR）、SG-MSC（SVR）、SG-MSC（CPO-LSSVM）选择出的变量个数分别为18、35、59，占总波长数量的0.56%、1.09%和1.53%。由图4可知，运用CARS方法提取的波长主要集中在1 080～1 150、1 380～1 500、1 750～1 780、2 200～2 350、2 400～2 500 nm，运用VCPA-GA方法提取的波长主要集中在900～1 150、1 350～1 450、1 580～1 640、1 730～1 760、2 220～2 280、2 300～2 380、2 430～2 480 nm，两种算法选择的波长具有很大相似性。其中，2 200～2 350 nm和2 400～2 500 nm范围内主要包含C—H单键的组合带，1 900～2000 nm范围内对应C＝O与O—H基团的组合振动，1 750～1 780 nm范围内为COOH基团的第1泛音吸收区，1 380～1 500 nm范围内为C—H单键的第1泛音区，而1 000～1 150 nm与1 350～1 420 nm波段则与多糖分子中O—H、C—O等官能团的振动吸收密切相关。

对于香菇蛋白，CARS从NORM（PLSR）、SNV（SVR）、SG-NORM（CPO-LSSVM）选择出的变量个数分别为2 837、35、88，占总波长数量的88.66%、1.09%和2.75%，VCPA-GA从NORM（PLSR）、SNV（SVR）、SG-NORM（CPO-LSSVM）选择出的变量个数分别为44、42、50，占总波长数量的1.38%、1.31%和1.56%。由图5可知，运用CARS方法提取的波长主要集中在850～1 200、1 400～1 550、1 850～1 900、2 000～2 200、2 250～2 350 nm，运用VCPA-GA方法提取的波长主要集中在900～1 300、1 400～1 550、1 850～2 000、2 200～2 400 nm。在2 200～2 400 nm范围内，主要包含C—H键的组合振动，同时伴随N—H与C＝O 的组合振动，该区域与蛋白质肽键（—CONH—）结构密切相关；在2 000～2 105 nm波长范围内，主要对应C＝O与O—H的组合振动，并包含N—H与C＝O的耦合组合带，反映酰胺基团特征；在1 800～1 890 nm波长范围内，为COOH基团的第1泛音吸收区，可能包含部分N—H 相关泛音信号；在1 700～1 800 nm波长范围内，属于C—H单键的第1泛音区，来源于氨基酸侧链中的—CH3、—CH2—；在1 400～1 480 nm波长范围内，为C＝O与O—H的第2泛音吸收区，同时包含N—H第1泛音吸收区，是蛋白质酰胺结构的重要特征区；在850～1 300 nm范围内，主要为C—H键和N—H键的第2泛音区，来源于氨基酸侧链的—CH3、—CH2—及肽键中的N—H振动。

4 模型性能比较分析

基于全波长光谱数据，分别采用CARS和VCPA-GA方法提取特征波长，并建立PLSR、SVR和CPO-LSSVM模型以预测香菇中多糖和蛋白含量。由表4可知，相较于全光谱模型，基于VCPA-GA波段筛选的PLSR模型和SVR模型性能有所降低，其余模型性能均有所提高，且利用CARS提取特征波长建立模型的性能整体表现优于VCPA-GA。整体来看，CARS提取的特征波长能够保留更多关键波段信息，使得PLSR、SVR和CPO-LSSVM模型在校正集与预测集上均表现出更高的拟合度和预测精度，表明其在追求预测性能最大化的建模任务中具有明显优势。相比之下，VCPA-GA方法提取的波长数量较少，显著降低了模型复杂度，同时保持了较高的预测精度，适合于模型轻量化及边缘计算等对计算资源有限的应用场景。两种方法均能有效提升模型性能与运行效率。

由图6可知，PLSR模型的校正集与预测集分布较为分散，表明模型性能较差，SVR模型与CPO-LSSVM模型的校正集与预测集均较为均匀地分布在拟合直线两侧，表明模型的预测能力较好、精度较高；相较于以VCPA-GA提取特征波长所构建模型，以CARS提取特征波长所构建模型的回归线斜率整体更接近1，表明其预测的准确性更高。其中在CPO-LSSVM模型中使用CARS提取的光谱特征所构建模型性能最佳，预测集，RMSEP＝0.010 2 g/g，RPD＝4.423 8。由校准模型的标准偏差可知，该方法的检出限和定量限分别为0.026 4、0.080 1 g/g。本研究样品中多糖的含量范围（0.142～0.313 g/g）远高于本方法的定量限0.080 1 g/g。以上结果表明，本研究所构建SG-MSC+CARS+CPO-LSSVM模型在此范围内均具备可靠的定量能力，适用于香菇样品中多糖含量的快速检测。

由图7可知，6 个模型的校正集与预测集均较为均匀地分布在拟合曲线两侧，表明模型的预测能力较好、精度较高；相较于以VCPA-GA提取特征波长所构建模型，以CARS提取特征波长所构建模型的回归线斜率整体更接近1，表明其预测的准确性更高，其中在SVR模型中使用CARS提取的光谱特征所构建模型性能最佳，预测集，RMSEP＝0.012 5 g/g，RPD＝3.805 6。由校准模型的标准偏差可知，该方法的检出限和定量限分别为0.026 6、0.080 5 g/g。本研究样品中蛋白的含量范围（0.095～0.261 g/g）远高于本方法的定量限0.080 5 g/g。以上表明，本研究所构建SNV+CARS+SVR模型在此范围内均具备可靠的定量能力，适用于香菇样品中蛋白含量的快速检测。

讨论与结论

本研究构建了一种基于近红外光谱的快速检测方法，建立了香菇中多糖与蛋白含量的定量预测模型。针对最优预处理后的光谱数据，分别采用CARS与VCPA-GA进行特征波长筛选，并结合PLSR、SVR及CPO-LSSVM构建回归模型。结果表明，不同特征提取方法与建模算法的组合对模型性能具有显著影响。香菇多糖的最佳预测模型为SG-MSC+CARS+CPO-LSSVM，其预测集，RMSEP＝0.010 2 g/g，RPD＝4.423 8；香菇蛋白的最佳预测模型为SNV+CARS+SVR，其预测集，RMSEP＝0.012 5 g/g，RPD＝3.805 6。

与已有研究相比，本研究模型性能具有一定提升。例如，对于香菇多糖，卢洁等基于近红外光谱建立的香菇多糖预测模型，其预测集R2＝0.940 0，RPD＝4.08，本研究在决定系数和RPD指标上均略有提高，说明所构建模型在预测精度和稳健性方面具有一定优势。对于香菇蛋白，目前尚缺乏基于近红外光谱的系统建模研究，但与朱哲燕等基于中红外光谱建立的蛋白预测模型（R2＝0.8995，RPD＝2.18）相比，本研究模型在预测精度与模型可靠性方面均表现出明显提升，表明近红外光谱结合优化建模算法在香菇蛋白定量分析中具有良好的应用潜力。

由本研究验证集的检验结果可知，香菇多糖和蛋白预测值和真实值之间不存在显著差异，且两种成分的含量范围均高于其建模方法的定量限，表明参考值具有良好的定量可靠性，所建立的近红外模型能够对香菇中多糖和蛋白含量进行稳定、准确的预测。

综上所述，本研究建立的近红外光谱检测模型具有快速、准确的优点，可为香菇品质评价及质量控制提供技术支持，同时，该方法具备一定的推广潜力，可应用于其他主要食用菌，如平菇、金针菇、木耳等。通过建立相应的校正模型，有望实现不同食用菌中有效成分的快速定量分析。由于不同食用菌在化学组成、水分含量及基质效应方面存在差异，模型在迁移应用过程中可能需要进行再校正或模型更新，因此在实际推广应用中仍需进一步验证其泛化能力与稳定性。

第一作者：

安子阳 硕士研究生

华中农业大学食品科学技术学院

研究方向：农产品成分快检

研究成果：安子阳,黄文,王益,等.智能感官技术在特色农产品品质评价中的应用研究进展[J].食品安全质量检测学报,2024,15(20):140-148.DOI:10.19812/j.cnki.jfsq11-5956/ts.20240905003.

引文格式：

安子阳, 罗钧议, 黄文, 等. 近红外光谱快速检测香菇多糖和蛋白含量[J]. 食品科学, 2026, 47(10): 28-38. DOI:10.7506/spkx1002-6630-20260127-238.

AN Ziyang, LUO Junyi, HUANG Wen, et al. Rapid detection of polysaccharide and protein contents in Lentinula edodes based on near infrared spectroscopy[J]. Food Science, 2026, 47(10): 28-38. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20260127-238.

实习编辑：林安琪；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网

为对标农业农村部2035年科技规划及“十四五”“十五五”发展方向，推动农产品加工与储运的工程化、智能化、绿色化升级，由湖南省农业科学院、湖南农业大学、北京食品科学研究院、国际食品科技联盟（IUFoST）、中国农业大学、岳麓山工业创新中心、湖南欧美同学会主办，湖南大学、中南林业科技大学、长沙理工大学、湖南中医药大学、湘潭大学、岳麓山实验室协办，中国食品杂志社、洞庭实验室、湖南省食品科学技术学会、湖南省农产品加工与质量安全研究所、湖南农业大学食品科学技术学院、Springer Nature-《Agricultural Products Processing and Storage》杂志承办的“第二届农产品加工与食品制造国际学术研讨会—创新引领绿色智造，AI赋能科技进步”，将于2026年9月19-20日（9月18日会议报到）在中国 湖南 长沙召开。

长按或微信扫码进行注册

北京食品科学研究院、中国食品杂志社和全国糖酒会组委会将于2026年10月15-17日在江苏省南京市南京国际博览中心举办第115届全国糖酒会食品科技成果交流会。食品科技成果交流会期间举办食品科技成果展，本届科技成果展以我国当前食品产业科技需求为导向，重点邀请“十四五”以来获得国家和省部级重要科研项目支持产出的食品科技新成果、新技术、新产品参展，并针对企业技术需要开展精准对接服务。扫描下方二维码即可申请展位。

为进一步促进动物源食品科学理论的完善与创新，加速科研成果向实际生产力的转化，助力产业实现高质量、可持续发展，由北京食品科学研究院、中国肉类食品综合研究中心、中国食品杂志社与海南大学、海南热带海洋学院、江西农业大学共同举办的“2026年动物源食品科学与人类健康国际研讨会”，将于2026年11月14-15日（11月13日报到）在中国 海南 海口召开。

长按或微信扫码进行注册

会议招商招展

联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）