Việc sử dụng các phương pháp phân tích thích hợp để kiểm soát chất lượng và độ an toàn là rất quan trọng đối với nông sản, thực phẩm. Kiểm tra trực quan bằng mắt thường hay dùng phương pháp sắc ký trong phòng thí nghiệm còn nhiều hạn chế. Do đó, các phương pháp phân tích không phá hủy như quang phổ cận hồng ngoại, kết hợp với các thuật toán dự đoán được đánh giá là phù hợp hơn để kiểm soát chất lượng một cách nhanh chóng và tiết kiệm chi phí.

Việc kiểm soát chất lượng bao gồm kiểm tra trực quan hình thức bên ngoài, đặc điểm bên trong, thành phần dinh dưỡng và hóa học của sản phẩm. Tuy nhiên, để thu thập được các thông tin liên quan đến thành phần và các đặc tính bên trong sản phẩm, bắt buộc phải sử dụng các phương pháp phân tích, kiểm nghiệm, mất rất nhiều thời gian, công sức và phá hủy sản phẩm mẫu, cũng như đòi hỏi kỹ năng phức tạp, không phù hợp với xu hướng của nền công nghiệp tự động hóa. Do đó, các phương pháp không phá hủy đã dần trở thành một phương pháp tiếp cận ưu tiên trong ngành nông nghiệp và thực phẩm do có thể thu được dữ liệu định lượng và định tính, cung cấp kết quả nhanh chóng và chính xác.

Các phương pháp không phá hủy để đánh giá chất lượng nông sản, thực phẩm gồm các ứng dụng dựa trên thị giác máy tính, quang phổ, khứu giác điện tử, âm thanh,… Bài báo “Applications of Non-destructive Technologies for Agricultural and Food Products Quality Inspection” đăng trên tạp chí Sensors năm 2019 tổng hợp 64 công trình nghiên cứu, trong đó có đến 41 nghiên cứu (chiếm 64%) ứng dụng phương pháp quang phổ để kiểm soát chất lượng sản phẩm. Bài nghiên cứu “Tổng quan về đánh giá chất lượng trái cây bằng phương pháp không phá hủy” đăng trên Tạp chí Khoa học và Công nghệ Đại học Thái Nguyên năm 2021 khảo sát 140 công trình nghiên cứu đánh giá chất lượng trái cây không phá hủy từ 2016-2021 trên cơ sở dữ liệu Scopus của NXB Elsevier, trong đó có 64 nghiên cứu sử dụng phương pháp quang phổ (chiếm 52,8%).

Thống kê các phương pháp không phá hủy từ 140 nghiên cứu trên CSDL Scopus
(Nguồn: Nghiên cứu Tổng quan về đánh giá chất lượng trái cây bằng phương pháp không phá hủy)

Phương pháp quang phổ cận hồng ngoại (NIR)

Quang phổ cận hồng ngoại (Near-infrared - NIR) là quang phổ nằm trong vùng 12.500 - 4.000 cm−1 (800-2.500 nm). Quang phổ NIR dựa trên sự hấp thụ bức xạ ở các tần số dao động phân tử xuất hiện đối với các nhóm O-H, N-H và C-H và đối với các nhóm C-C, C-O, C-N và N-O trong vật liệu hữu cơ.

Quang phổ NIR được sử dụng lần đầu vào những năm 1880, khi Abney và Festing đo quang phổ của một số hợp chất hữu cơ đơn giản trong vùng 700-1200 nm. Tuy nhiên, sự phát triển của các nghiên cứu cơ bản về quang phổ NIR khá chậm do sự phát triển máy quang phổ cho quang phổ NIR chưa đầy đủ và khó khăn trong việc phân tích phổ. Đến những năm 1990, ứng dụng của quang phổ NIR đã đạt được những tiến bộ đáng kể, nhờ sự phát triển của máy quang phổ, máy dò, máy tính và phép đo hóa học. Ứng dụng của quang phổ NIR đến nay đã dần mở rộng, từ kỹ thuật nông nghiệp và thực phẩm sang các ngành công nghiệp hóa chất, polymer và dầu khí; công nghiệp dược phẩm; khoa học y sinh và phân tích môi trường.

Trong phân tích quang phổ NIR, phương pháp Chemometrics đóng vai trò quan trọng để trích xuất dữ liệu từ các hệ thống phân tích hóa học thông qua toán học và thống kê để xây dựng các mô hình phân loại và hiệu chuẩn. Cùng với sự xuất hiện của máy tính và phát triển của công nghệ thông tin, phương pháp Chemometrics đã thúc đẩy đáng kể sự phát triển và ứng dụng của quang phổ NIR.

Bước đầu tiên trong phân tích dữ liệu quang phổ NIR thường được sử dụng nhất là phân tích thành phần chính (PCA) nhằm giảm các biến và loại bỏ các giá trị ngoại lệ. Sau đó, áp dụng phương pháp định tính hoặc định lượng đối với dữ liệu được chọn, tùy theo mục tiêu cụ thể của nghiên cứu. Với mô hình phân loại, một tập mẫu huấn luyện với các danh mục đã gán nhãn được tạo trước. Sau đó, mô hình này được đánh giá bằng một tập thử nghiệm gồm các mẫu chưa được gán nhãn. Một số phương pháp định tính được các nghiên cứu trước đây sử dụng như: Linear Discriminant Analysis (LDA), Quantitative Descriptive Analysis (QDA), K–nearest Neighbor (KNN), Partial Least Squares (PLS), Support Vector Machine (SVM), Artificial Neural Network (ANN), Soft Independent Modelling of Class Analogy (SIMCA),…

Sơ đồ thử nghiệm kiểm tra chất lượng nông sản sử dụng kỹ thuật phân tích hóa lý và quang phổ
(Nguồn: Biên dịch từ Nghiên cứu “Monitoring strategies for quality control of agricultural products using visible and near-infrared spectroscopy: A review” (V. Cortés et al.(2019)))

Phương pháp quang phổ NIR đã và đang được sử dụng rộng rãi vì nhiều ưu điểm: không cần chuẩn bị mẫu; cho phép xác định các thông số vật lý và hóa học nhanh chóng và cung cấp thông tin phân tích theo thời gian thực; chi phí ít hơn so với các phương pháp thông thường do quy trình tiền xử lý mẫu đơn giản; thiết bị phù hợp để sử dụng trực tuyến trong các quy trình kiểm soát do cơ chế đơn giản và thành phần mạnh. Tuy nhiên, phương pháp này cũng có một số hạn chế như: phải sử dụng các kỹ thuật Chemometric để trích xuất thông tin; cần hiểu biết về các tham số và tham số này cần được xác định trước bằng phương pháp tham chiếu; chỉ cung cấp phổ trung bình của một mẫu nên thông tin về sự phân bố không gian của các thành phần trong mẫu sẽ bị mất.

Sự phát triển của công nghệ hình ảnh siêu phổ NIR (NIR Hyperspectral Imaging), kết hợp quang phổ NIR với hình ảnh kỹ thuật số, cho phép thu được đồng thời cả thông tin không gian (định vị) và phổ (nhận dạng). Do đó, hình ảnh siêu phổ có khả năng mô tả sự phân bố của các thành phần trong một mẫu. Ưu điểm chính của hình ảnh siêu phổ NIR là nó tạo điều kiện trực quan hóa sự phân bố của các thành phần hóa học khác nhau trong một mẫu. Do phổ được thu thập tại mỗi pixel trong ảnh nên nó rất phù hợp để phân tích các mẫu không đồng nhất. Nhược điểm chính của công nghệ hình ảnh siêu phổ NIR là chi phí cao, do phổ rộng hơn nên yêu cầu các máy dò đắt tiền. Kích thước của hình ảnh siêu phổ cũng ảnh hưởng đến dung lượng lưu trữ dữ liệu. Việc thu thập và phân tích dữ liệu cần máy dò nhạy và máy tính nhanh.

Minh họa về một siêu khối (hypercube) tạo ảnh siêu phổ NIR bao gồm các chiều bước sóng (z) và không gian (x và y)
(Nguồn: Biên dịch từ nghiên cứu “Near-infrared spectroscopy and hyperspectral imaging: non-destructive analysis of biological materials”)

Hình ảnh siêu phổ NIR đã và vẫn đang được các nhà khoa học nghiên cứu rộng rãi để phát hiện tạp chất, xác định khuyết tật, phân tích thành phần, đánh giá chất lượng và độ an toàn của các sản phẩm nông nghiệp và thực phẩm.

Áp dụng phương pháp NIR tại Việt Nam

Trong thời gian qua, khá nhiều nghiên cứu ứng dụng phương pháp NIR trên các sản phẩm nông nghiệp và thực phẩm đã được công bố trên các tạp chí khoa học và giới thiệu tại các sự kiện, hội thảo trong nước. Có thể kể đến như mô hình phân loại chất lượng gạo, phân biệt cà phê nguyên chất và cà phê trộn, xác định nhanh hàm lượng chất béo trong cá,…

Nghiên cứu xác thực nhanh và phát hiện giả mạo của nguyên liệu gạo

Từ thực trạng gạo chất lượng cao bị trộn lẫn gạo kém chất lượng nhưng chưa có phương pháp hiệu quả để phân biệt chính xác và nhanh chóng, chống gian lận; các nhà khoa học tại Trường Đại học Công nghiệp thực phẩm TP.HCM đã nghiên cứu sử dụng quang phổ NIR để xác thực chất lượng. Các nhà nghiên cứu sử dụng thiết bị quang phổ NIR cầm tay nhỏ gọn (SCiO) có dải phổ từ 740-1.070 nm ở độ phân giải 1 nm để tiết kiệm chi phí và thuận tiện cho ứng dụng. Sau đó, dữ liệu phổ được trích xuất từ hệ thống dữ liệu đám mây của SCiO và tiến hành các quá trình tiền xử lý theo phương pháp Chemometrics, với phần mềm SIMCA 15 của Đức.

Nhóm nghiên cứu tiến hành với 216 mẫu gạo phổ biến được thu thập tại Long An, Cần Thơ, Đồng Tháp, Kiên Giang và Sóc Trăng. Các mẫu gạo này được chia thành ba loại: gạo chất lượng cao (ST24 và Đài thơm 8); chất lượng trung bình (OM5451 và OM6979) và chất lượng thấp (IR50404). Mẫu gạo giá trị cao được phối trộn với mẫu gạo giá trị thấp hoặc giá trị trung bình theo các tỷ lệ phối trộn 1%, 2%, 3%, 4%, 5%, 10%, 20%. Sau đó, phân tích tính chất hóa học và thu thập phổ cận hồng ngoại của các mẫu gạo; kết hợp với thuật toán nhận dạng PLS-DA để huấn luyện và kiểm tra hoạt động của mô hình.

Kết quả cho thấy, mô hình đa biến xây dựng từ phổ cận hồng ngoại có thể phân nhóm chính xác các giống gạo. Nhóm nghiên cứu cũng thành công trong việc xác nhận xuất xứ địa lý của cùng một giống gạo, nhưng trồng ở nhiều vùng khác nhau; phân biệt giữa gạo hữu cơ và gạo thường của cùng một giống gạo.

Các mẫu gạo được sử dụng trong nghiên cứu (Nguồn: Nghiên cứu sử dụng quang phổ cận hồng ngoại kết hợp với phương pháp Chemometrics để xác thực nhanh nguyên liệu gạo)

Kết quả nghiên cứu phân biệt gạo đã được công bố trên Tạp chí Nông nghiệp và Phát triển nông thôn số 18/2020, với tên bài viết “Nghiên cứu sử dụng quang phổ cận hồng ngoại kết hợp với phương pháp chemometrics để xác thực nhanh nguyên liệu gạo”. Ngoài gạo, nhóm nghiên cứu cũng đã thử nghiệm mô hình PLS-DA để phân biệt cà phê nguyên chất và cà phê trộn, với tỷ lệ trộn 5% (Mix5), 20% (Mix20). Kết quả cho thấy, mô hình có thể phân biệt được chính xác cà phê nguyên chất và cà phê trộn, tỉ lệ trộn càng cao thì độ chính xác càng lớn. Năm 2021, tại sự kiện Techmart Công nghệ sau thu hoạch do Trung tâm Thông tin và Thống kê KH&CN TP.HCM (Sở KH&CN TP.HCM) tổ chức, nhóm nghiên cứu cũng đã công bố các kết quả nghiên cứu này đến công chúng, qua hội thảo chuyên đề “Nghiên cứu sử dụng phổ hồng ngoại để xác thực nhanh và phát hiện việc giả mạo của nguyên liệu gạo và cà phê”.

Nghiên cứu xác định nhanh hàm lượng chất béo trong cá

Trong khuôn khổ đề tài nghiên cứu cấp Nhà nước: “Nghiên cứu ứng dụng các phương pháp phân tích nhanh kết hợp xử lý dữ liệu đa chiều và học máy trong kiểm soát chất lượng một số loại hải sản”, các nhà khoa học tại Viện Công nghệ Sinh học và Công nghệ thực phẩm (Trường Đại học Bách Khoa Hà Nội), Trường Đại học Bách Khoa TP.HCM (Đại học Quốc gia TP.HCM), Trường Đại học Bách Khoa và Viện Công nghệ Quốc tế DNIIT (Đại học Đà Nẵng) đã tiến hành nghiên cứu sử dụng phương pháp quang phổ NIR kết hợp với mô hình hồi quy PLS nhằm xác định nhanh hàm lượng chất béo trong cá.

Nghiên cứu sử dụng 25 mẫu cá Nục được thu thập tại một số cảng cá thuộc các tỉnh phía Bắc theo tiêu chuẩn TCVN 5276:1990, được bảo quản lạnh đông ở nhiệt độ -18oC để không làm ảnh hưởng đến chất lượng mẫu cho đến khi phân tích. Thiết bị quang phổ DLP® NIRscan Nano EVM được sử dụng để thu thập tín hiệu phản xạ của 228 bước sóng quang phổ phân bố đều từ 900-1.700 nm. Mỗi con cá được đo quang phổ trực tiếp tại 20 điểm ngẫu nhiên trên 4 vùng vị trí trên thân cá bao gồm: vị trí thân trên (1), thân giữa (2), thân dưới (3) và thân dưới bụng (4). Hàm lượng chất béo được xác định theo tiêu chuẩn TCVN 3703:2009 về thủy sản và sản phẩm thủy sản – xác định hàm lượng chất béo.

Các vùng vị trí đo quang phổ NIR trên mẫu cá Nục (Nguồn: Nghiên cứu “Xác định nhanh hàm lượng chất béo trong cá bằng đo quang phổ NIR kết hợp phân tích hồi quy PLS”)

Phân tích dữ liệu quang phổ NIR cho thấy mô hình hồi quy PLS cho vùng thân dưới bụng của cá có kết quả hồi quy cao nhất so với các vùng còn lại, với hệ số tương quan 0,96 và sai số trung bình bình phương 0,001 cho tập xác thực chéo. Kết quả nghiên cứu cho thấy phương pháp phân tích quang phổ NIR kết hợp hồi quy PLS để ước lượng hàm lượng chất béo có thể là một phương pháp nhanh chóng, dễ sử dụng và có độ chính xác tương đối lớn.

Kết quả nghiên cứu này đã được các nhà khoa học công bố trên Tạp chí Khoa học Công nghệ và Thực phẩm số 22/2022 với tên nghiên cứu “Xác định nhanh hàm lượng chất béo trong cá bằng đo quang phổ NIR kết hợp phân tích hồi quy PLS”.

***

Để đánh giá chất lượng sản phẩm nông nghiệp và thực phẩm, phương pháp không phá hủy dựa trên quang phổ có nhiều lợi thế so với các phương pháp phân tích hóa học và có triển vọng ứng dụng rộng rãi. Mặc dù phương pháp quang phổ NIR hay công nghệ hình ảnh siêu phổ NIR vẫn còn một số hạn chế nhất định, nhưng với sự phát triển của khoa học ở nhiều lĩnh vực, có thể tin rằng các chuyên gia từ lĩnh vực vật lý, khoa học máy tính đến khoa học thực phẩm và nông nghiệp sẽ có những hợp tác thiết thực để tạo ra hệ thống phù hợp cả về hiệu năng và chi phí, giúp kiểm soát chặt chẽ chất lượng và độ an toàn của thực phẩm và nông sản mà con người đang sử dụng hàng ngày.

Sang Lê

--------------------------------------------------------------------------------

Tài liệu tham khảo chính

[1] El-Mesery et al. Applications of Non-destructive Technologies for Agricultural and Food Products Quality Inspection. Sensors.
[2] Maimunah Mohd Ali and Norhashila Hashim. Non-destructive methods for detection of food quality. In R. Bhat, Future Foods: Global Trends, Opportunities, and Sustainability Challenges (pp. 645-667). Academic Press.
[3] Monitoring strategies for quality control of agricultural products using visible and near-infrared spectroscopy: A review. Trends in Food Science & Technology, 138-148.
[4] Nguyễn Chánh Nghiệm và cộng sự. Tổng quan về đánh giá chất lượng trái cây bằng phương pháp không phá hủy. Tạp chí Khoa học và Công nghệ Đại học Thái Nguyên, 158-167.
[5] Pandiselvam, R. et al. Recent advancements in NIR spectroscopy for assessing the quality and safety of horticultural products: A comprehensive review. Frontiers in nutrition.
[6] Phạm Ngọc Hưng và cộng sự. Xác định nhanh hàm lượng chất béo trong cá bằng đo quang phổ NIR kết hợp phân tích hồi quy PLS. Tạp chí Khoa học Công nghệ và Thực phẩm, 46-56.
[7] Thanh An. Ứng dụng quang phổ cận hồng ngoại: Xác thực chất lượng nông sản. https://khoahocphattrien.vn/khoa-hoc/ung-dung-quang-pho-can-hong-ngoai-xac-thuc-chat-luong-nong-san/2023032410560352p1c160.htm