基于可见-近红外高光谱成像结合多元曲线分辨-偏最小二乘判别分析的大米真伪鉴别研究

本研究创新性地将可见-短波近红外高光谱成像(Vis-SWNIR HSI)与多元曲线分辨交替最小二乘法(MCR-ALS)结合，首次实现对伊朗4个品种163份完整大米样本的地理溯源(准确率94.4%)、品种鉴别(82.75%)及掺假检测(100%)，为粮食安全领域提供了快速无损的化学计量学解决方案。

　　

亮点与讨论

多元曲线分辨(MCR-ALS)在本研究中扮演着双重角色：首先是光谱特征提取和降噪。该方法将复杂的高光谱数据分解为具有化学意义的纯组分光谱及其空间分布，有效降低噪声干扰并提取关键化学信号。这些处理后的数据为后续偏最小二乘判别分析(PLS-DA)建模提供了"净化"后的输入。

同类研究对比

通过文献对比(见表4)发现，本研究首次将MCR-ALS算法应用于完整米粒的鉴别。传统化学计量学方法(如PLS-DA)与曲线分辨技术的结合，实现了94.4%的地理溯源准确率、82.75%的品种区分精度以及100%的掺假检出率，证实了该成像方法在食品真实性鉴定中的实用价值。

结论

MCR-ALS+PLS-DA框架为大米认证提供了高效且可解释的技术方案，其分类性能表现优异：地理溯源(92.7%-96.2%)、品种鉴别(75.5%-98.3%)和掺假检测(81.6%-100%)。特别值得注意的是，这是首次在完整米粒上应用可见-短波近红外高光谱成像结合MCR-ALS的研究，相比现有技术具有明显的创新性和应用潜力。