编辑推荐：
在大米市场，优质大米常被掺假，传统鉴别方法存在缺陷。研究人员开展 “优化 DD-SIMCA 模型结合拉曼光谱鉴别水稻品种” 研究，结果显示该模型鉴别哈什米和塔罗姆水稻灵敏度达 100%，对保障市场和消费者权益意义重大。
在亚洲，大米是至关重要的粮食，尤其在伊朗，它是人们的主食，对国家经济意义非凡。伊朗的哈什米、塔罗姆等优质水稻品种闻名遐迩，但市场上不良商家常将它们与法杰尔、希鲁迪等低质品种混合，以次充好。传统的鉴别方法，无论是依据物理特征，还是化学特性，都存在诸多弊端，比如主观性强、破坏样本结构、耗时费力等，难以满足市场对快速、可靠鉴别方法的需求。
在此背景下，来自国外的研究人员展开了深入研究，致力于找到一种高效、快速、可靠且无损的水稻品种鉴别方法。研究成果发表在《Applied Food Research》上，为水稻市场的质量监管和消费者权益保护带来了新的曙光。
研究人员在本次研究中主要运用了拉曼光谱技术和 DD-SIMCA 模型。他们收集了伊朗常见的 4 种水稻品种，共 164 个样本，包括 68 个哈什米、21 个塔罗姆、24 个法杰尔和 51 个希鲁迪样本。样本均来自同一年收获的不同农户和农田，以减少环境因素影响。之后，利用拉曼显微镜在 4200 - 200 cm-1光谱范围内获取光谱数据，并采用 Kennard-Stone（70 - 30）算法将样本分为训练集和验证集，对光谱进行平滑和微分预处理，最后借助 DD-SIMCA 模型进行分析。
拉曼光谱特征分析
通过对不同水稻品种的拉曼光谱分析发现，虽然各类水稻光谱的峰位置相似，但峰强度却因品种而异。在 478、769、862 等多个波数处，存在代表关键营养成分的特征峰，这些峰为鉴别水稻品种提供了重要依据。例如，478 cm-1处的峰对应淀粉的骨架振动，1252 cm-1处的峰与蛋白质中的酰胺 III 带 C - N 拉伸振动相关。
主成分分析（PCA）探索
研究人员运用 PCA 对样本空间进行探索，发现不同品种水稻光谱存在显著重叠，尤其是哈什米和塔罗姆水稻，即便经过标准正态变量（SNV）预处理，重叠现象依旧明显。这表明仅依靠光谱特征直接鉴别水稻品种存在较大困难，凸显了后续分类模型的重要性。
DD-SIMCA 模型分类
为构建有效的分类模型，研究人员针对哈什米和塔罗姆水稻模型，分别通过交叉验证优化主成分数量，确定哈什米模型用 2 个主成分、塔罗姆模型用 3 个主成分。结果显示，在 5% 的显著性水平下，DD-SIMCA 模型对哈什米和塔罗姆水稻建模样本集的鉴别灵敏度均达到 100%。不过，在检测低掺假水平样本时，模型特异性有所下降，如哈什米 - 希鲁迪混合物的特异性为 84.84% ，塔罗姆 - 法杰尔混合物的特异性为 87%。这主要是因为低掺假样本光谱与目标品种光谱相似度高，导致误判。但对于高掺假水平（≥20%）的样本，模型能更可靠地进行区分。
研究表明，拉曼光谱结合 DD-SIMCA 模型，能够有效鉴别伊朗主要水稻品种，在检测可能掺假的水稻方面表现出色。这一研究成果不仅为水稻品种的快速鉴别提供了新方法，还有助于维护水稻市场的秩序，满足消费者对优质水稻的需求。同时，该研究也为谷物鉴别技术体系的发展奠定了基础，为食品分析和质量控制提供了新的思路和方法。不过，研究存在一定局限性，样本仅来自单一收获年份，未来可纳入更多不同地区、不同年份的样本，进一步提高模型的普适性；还可对比 DD-SIMCA 方法与其他软判别方法，评估其在水稻认证中的有效性，推动相关研究不断向前发展。
