便携式高光谱成像技术：实现马铃薯脆片中丙烯酰胺无损检测的创新方法

为解决传统食品中丙烯酰胺检测方法成本高、耗时长且破坏样本的问题，研究人员采用便携式高光谱成像系统（HSI）开展无损快速检测研究。通过对比傅里叶变换红外光谱（FTIR）与两种HSI设备（Specim IQ和FX10）的性能，建立了基于偏最小二乘回归（PLSR）的预测模型，在丙烯酰胺含量<3000 μg/kg范围内校准误差（RMSEC）为314.5 μg/kg，预测误差（RMSEP）降至312.7 μg/kg。该技术为食品工业实时质量控制提供了可行方案。

　　

在薯片、咖啡等高温加工食品中，丙烯酰胺（acrylamide）这个潜在致癌物就像个隐形的"厨房刺客"。当富含天冬酰胺和还原糖的马铃薯在120°C以上油炸时，美拉德反应（Maillard Reaction）就会催生这个危险分子。尽管欧盟通过第2017/2158号法规设定了基准限值，但现有检测手段如液相色谱-质谱联用（LC-MS/MS）需要复杂的样本前处理，既破坏产品又难以用于产线实时监控。更棘手的是，食品表面褐变程度与丙烯酰胺含量并非简单线性相关，这给传统光学检测方法带来了巨大挑战。

来自英国詹姆斯·赫顿研究所等机构的研究团队在《Food Control》发表了一项突破性研究。他们首次将便携式高光谱成像（Hyperspectral Imaging, HSI）技术应用于马铃薯脆片的丙烯酰胺检测，通过对比傅里叶变换红外光谱（FTIR）和两种HSI系统（400-1000 nm波段）的性能，开发出可工业化应用的快速检测方案。

关键技术方法
研究采用三组样本队列：80份样本用于FTIR与HSI模型对比，扩展集验证模型稳健性，商业样本集测试低浓度预测能力。通过便携式Specim IQ和FX10相机采集高光谱数据，结合偏最小二乘回归（PLSR）建模，筛选出6个特征波长波段。FTIR分析使用PerkinElmer Spectrum Two光谱仪，所有数据经预处理后通过RMSEC和RMSEP评估模型性能。

研究结果

预测模型性能对比
在Vis-NIR光谱范围内，HSI系统展现出优于FTIR的预测能力。原始数据建模中，Specim IQ的RMSEC为314.5 μg/kg（r=0.9），而FTIR模型误差高出23%。关键发现是HSI能捕捉到与丙烯酰胺相关的特异性光谱特征，特别是在500-600 nm和900-1000 nm波段。

大样本集验证
当样本量扩大至涵盖不同品种（Lady Claire、Taurus、Desiree）和种植年份（2019-2022）时，HSI模型保持稳定。值得注意的是，表面纹理和油脂分布的空间信息显著提升了预测精度，这解释了为何传统单点光谱技术（如FTIR）表现稍逊。

低浓度样本测试
针对市售脆片（<1000 μg/kg）的独立测试中，优化后的6波段模型将RMSEP从466 μg/kg降至312.7 μg/kg，相关系数提升至0.9。研究者发现750 nm和980 nm波段对低浓度检测尤为敏感。

讨论与意义
这项研究首次证实便携式HSI系统能突破传统检测的三大瓶颈：样本破坏性、操作复杂性和高成本。通过识别6个关键波长带（含2个近红外波段），为开发专用低成本传感器提供了理论依据。空间分辨能力使得该系统可直观显示脆片表面丙烯酰胺分布，这是质谱技术无法实现的独特优势。

技术转化方面，研究团队开发的"一体化光谱成像"（ASI）装置已具备工业化雏形，其检测限满足欧盟法规要求。未来通过集成机器学习算法，有望实现生产线上每分钟超过100个样本的实时筛查。从更广视角看，该技术框架可扩展至咖啡、面包等其他高危食品的检测，为构建食品加工过程的全链条监控体系提供了新范式。