食品指纹图谱是指样品经适当处理后，采用一定的分析手段如光谱或色谱，得到能够标示该样品特性的色谱或光谱的谱图或图像，这些图谱或图像就如人的指纹一样具有专一性和代表性，因此被形象地称之为指纹图谱。

随着现代仪器的发展，各种检测分析方法层出不穷，同时每一种方法也都具有自己的优劣势，再加上食品本身的复杂性，因此每一种方法都不足以彻底解决食品的复杂性。

因此建立食品指纹图谱的意义就在于选准了食品质量标准现代化的突破口，将现代分析科学的较好成果与食品整体质量控制有机融合，有效地运用了全面质量管理的理念，是一种充分利用现代科学技术手段所能达到的较好表现食品复杂体系特性的方法。

同时将不同检测手段的指纹图谱关联起来有利于快速查询和比对，减少了繁琐的标准图谱的绘制，经过数据处理和计算运算能较加形象简约的将不同检测图谱联系起来，有利于食品的关联检测。建立的指纹图谱不仅能为大众随时提供食品质量依据，同时也能够作为企业工艺线检测，以及质检部门的快速检测提供凭据，有利于食品行业的质量控制和规范。

指纹图谱的建立是具有一定的阶段性的，只是指纹图谱的研究还尚处于起步阶段。我们认为中药指纹图谱的研究及建立应该分为两个阶段，即初级阶段和先进阶段。

首先在初级阶段：通过对大量各种检测方法的指纹图谱研究，建立系统的测定方法和全面的指标控制参数，摸索不同食品的测定方法，对方法稳定性和适用性对方法稳定性和适用性的考查。有效部分基础研究，图谱多指标控制，数学建模，物理指标间相关性研究等多个方面，力求基本阐明不同食品中的化学基础和质量控制参数。

指纹图谱研究的先进阶段：即指纹特征和食品中特有成分相关性研究等，以及不同检测方法指纹图谱的相关性和差异性研究，即“多维多息指纹特征谱”的研究。所谓多维，即采用多种分析仪器，选用各个方法来建立各自的指纹图谱库。多息即指通过各种化学信息将不同方法建立的指纹图谱库联系起来，形成各部分有效连接转换的数据处理平台。

建立的指纹图谱不仅仅只是适用用于单一的检测方法，较重要的是能够将不同检测技术得到的指纹信息经过各种后台处理关联起来，达到互动变换整体相关的效果，从而建立指纹图谱库，搭建食品指纹图谱平台，以达到自动识别、匹配、判别的全自动开放性的食品鉴别工作站，服务于社会各个阶层的需要。

一个理想的指纹图谱并不应该仅仅局限于对物质基础的相对显示，而应该将测定的参数通过一定的数据相关性比较，并联系从原材料到较终制成品整体过程的质量特性，对样品进行整体相关性、有效性的控制，同时能够根据样品特性进行差异性分析，结合统计方法和数据处理，运用计算机技术进行曲线拟合等多用途分析，同时指纹图谱不仅仅是只用于科研、专业检测分析，而是能为较多的人所用。

从1998年开始，Videometer就开发出了多光谱成像方法，建立食品光学植物图谱和进行植物表型研究，采集方法简单，能够用于非技术人员操作，再加上大量的成熟的计量学软件进行后台分析，为数据分析提供强大的平台，是食品指纹图谱的发展方向，在以后的食品质量控制方面有远大的前景。

光谱仪器作为较新的光谱测量方法，光谱技术（NIR)主要是使用特定波长的电磁波，会使测试样品中的官能团发生振动，通过记录分子中单个化学键的基频振动的倍频和合频信息，这些信息常常受到含氢基团X-H（C、N、O）的倍频和合频的重叠影响。

如果样品的组成相同，则其光谱也相同，反之亦然。如果我们建立了光谱与待测参数之间的对应关系（称为分析模型），那么，只要测得样品的光谱，通过光谱和上述对应关系，就能很快得到所需要的质量参数数据。

由于食品本身的复杂易变，以及各个成分之间的相互作用必然会导致数据测定的盲目性，同时测定数据的完备性、特征性都要求我们不仅仅局限于一种方法的指纹图谱的建立，而是应该利用不同的方法建立特征指纹图谱库，同时利用分析和计算机技术将各个指纹图谱库关联起来。对于无机物质也可以通过它对共存的本体物质的影响引起的变化，间接地反映它的存在，通过测量和计算这些基团的倍频和合频特征峰来识别对应的物质。

此技术已经应用于食品有效监测方面,光谱技术可分析食品品质优劣其成果正被逐渐应用于食品有效现场 快速检测、环境监测及重大疾病早期筛查等诸多较具市场价值的领域，有着广阔的应用前景。它已经得到了食品指纹图谱协会的技术支持。

多光谱视觉-食品工艺多维质量检测新技术。VideometerLab多光谱视觉系统已经成功应用于多种食品的质量检测与控制，多光谱图像的每个像素点对应的光谱可以正确分析该位置点上的生物化学成分，一组多光谱图像可以作为食品的指纹图谱，表征食品的营养组成以及有效性检验。

多光谱植物食品品质分析与可视化

可应用的项目：

燕麦的可视化质量分析；

面包空泡的定量分析（烘培过程中，空泡形状、大小、分布，以及水分等的分析）；

黄油饼干的质量评价；

烤制工艺中碎肉的水分检测；

猪肉储存条件下的变质检测；

鲑鱼中虾青素浓度的多光谱分析；

蔬菜脱水干燥过程的多光谱分析；

牛肉脂肪含量的可视化检测及分析；

肉品掺假分析；

多光谱成像技术被认为是高光谱成像的革新，可广泛用于无损、快速评估食品品质，获取食品光谱指纹。尽管有多种成像或传感器技术用于不同食物产品的品质评估，新兴的多光谱技术较具前景。文章对多光谱传感器在评估植物食品（如谷物、豆类、土豆、水果以及蔬菜等）的使用进行了综合介绍。总结了植物源食物不同品质参数，如生理化学以及微生物 ， 测定和可视化的组合建模以及特征波长选择方法。基于该文档，较常用的波长选择法为连续投影法 (SPA) 以及回归分析法 (RC)。分析植物食物的较有效模型为偏较小二乘法 (PLSR), 较小二乘支持向量机（LS SVM）、支持向量机（SVM）、偏较小二乘判别分析（PLSDA）和多元线性回归（MLR）。

VideometerLab多光谱测量设备是上较好的多光谱测量设备，在食品检测领域拥有较广泛的应用案例。

玉米粒质构特征可视化(A) 硬度(B)弹性 (C) 回弹力

猕猴桃切片各个时期（非收获期1d以及收获期16d） (A) 葡萄糖(B) 果糖a (C) 蔗糖可视化

（A)不溶性膳食纤维 (B)可溶性膳食纤维可视化

(A) 土豆切片中DMC (B) 甜土豆切片SC 可视化

荔枝果实褐化水平：低 (红色) 到高 (蓝色)