基于高光谱成像技术的黑胡椒中鹰嘴豆粉、小麦粉及海泡石掺杂检测研究

本研究针对黑胡椒粉末中掺杂鹰嘴豆粉、小麦粉及海泡石的食品安全问题，利用高光谱成像技术（HSI）结合主成分分析（PCA）和人工神经网络（ANN），实现了掺杂水平（0-50%）的100%准确分类与预测，为食品掺假检测提供了快速、无损的创新方法。

　　

黑胡椒作为“香料之王”，不仅具有悠久的烹饪历史，还被广泛应用于传统医学中治疗胃肠道疾病、呼吸道感染等。然而，其粉末形态极易被掺入廉价物质如鹰嘴豆粉、小麦粉或海泡石，严重威胁消费者健康。传统检测方法依赖实验室分析，成本高且效率低。为此，来自伊朗伊拉姆大学的研究团队开发了一种基于高光谱成像（Hyperspectral Imaging, HSI）的智能检测系统，相关成果发表于《Applied Food Research》。

研究团队通过HSI系统（400-950 nm）采集样本光谱数据，结合主成分分析（PCA）筛选特征波长，并利用人工神经网络（ANN）构建分类与预测模型。实验样本包含0%、5%、15%、30%、50%三种掺杂水平的黑胡椒粉末，每种制备18组超立方体数据。

有效波长筛选
PCA分析确定了不同掺杂物的特征波长：鹰嘴豆粉（401.23、618.69、734.45 nm等）、海泡石（606.29、643.49、738.58 nm等）和小麦粉（598.03、605.46、734.45 nm等）。这些波长反映了化学键振动与光子相互作用的特异性。

特征优化与模型构建
通过序列特征选择法从均值、方差等统计量中提取关键特征，鹰嘴豆粉、海泡石和小麦粉分别保留10、10、12个特征。ANN模型采用Levenberg-Marquardt算法训练，最优结构分别为10-10-5（鹰嘴豆粉）、10-6-5（海泡石）和11-7-5（小麦粉），隐藏层使用logsig函数。

性能验证
所有模型的分类准确率均达100%，预测相关系数超99%。例如，鹰嘴豆粉预测模型的RMSE（均方根误差）为2.2421，验证集误差在30次迭代后稳定至3.75×10^-3。海泡石模型在15次迭代时误差最低（3.11），凸显算法的高效性。

该研究首次将HSI技术应用于黑胡椒掺假检测，其非破坏性、高精度特点为食品工业质量控制提供了新范式。未来可扩展至多掺杂同步检测，并开发便携式多光谱设备以加速产业化应用。