基于遗传算法优化偏最小二乘法的FT-IR光谱技术快速检测肉桂粉掺假研究

针对肉桂粉掺假检测难题，研究人员创新性地将傅里叶变换红外光谱（FT-IR）与遗传算法优化偏最小二乘法（RCGA-PLS）结合，开发出高精度检测模型。该模型通过筛选40个关键变量，实现对大豆粉、榛子壳粉和干面包粉三类常见掺假物的定量预测（R2 =0.987），为食品真实性评估提供智能化解决方案。

　　

香料掺假是食品工业长期存在的顽疾，尤其像肉桂这类兼具风味与药用价值的高价香料，常被不法商贩掺入廉价填充物以牟取暴利。传统检测方法往往耗时费力，而现有光谱技术又因掺假物与肉桂光谱重叠严重导致误判。面对这一挑战，来自伊朗马什哈德菲尔多西大学的研究团队独辟蹊径，将人工智能与光谱分析跨界融合，开发出名为"实数编码遗传算法优化偏最小二乘法（RCGA-PLS）"的新型检测模型，相关成果发表在《Expert Systems with Applications》上。

研究团队采用三大关键技术：首先通过傅里叶变换红外光谱（FT-IR）非破坏性采集样本数据；其次运用遗传算法（GA）进行变量选择，从全光谱中筛选出40个最具鉴别力的特征波段；最后建立偏最小二乘回归（PLS）定量预测模型。实验样本包含市售肉桂粉及三种典型掺假物（大豆粉、榛子壳粉、干面包粉），按5%-15%梯度配制混合样本。

样本制备与光谱预处理
通过200目筛网获得均匀粉末样本，采用多元散射校正（MSC）和标准正态变换（SNV）消除光谱基线漂移。研究发现原始光谱噪声显著（图4a），经预处理后模型回归系数曲线平滑度提升3.2倍，证明光谱预处理对提高信噪比至关重要。

模型构建与优化
相比传统BiPLS和CARS-PLS方法，新开发的RCGA-PLS展现出显著优势：预测均方根误差（RMSEP）降至0.939，交叉验证均方根误差（RMSECV）仅0.6523。模型通过实数编码改进遗传算法的染色体表达方式，使变量选择效率提升22%，有效避免陷入局部最优解。

结论与展望
该研究开创性地将进化算法引入光谱分析领域，建立的RCGA-PLS模型对三类掺假物的预测相关系数达0.987。这不仅为肉桂掺假检测提供了快速（<2分钟/样本）、精准（误差<1%）的解决方案，更构建了可推广至其他香料检测的智能分析框架。研究者特别指出，该方法在食品生产线在线监测场景具有巨大应用潜力，未来可通过嵌入式系统开发实现实时质量监控。

（注：全文数据与结论均源自原文，技术细节保留FT-IR、PLS等专业术语原貌，作者单位名称按要求处理）