基于近红外光谱与层次化多类建模揭示未熟香蕉粉中复杂掺假场景的研究及其在食品真实性保障中的应用

本综述推荐一项创新性研究：采用近红外光谱（NIRS）结合化学计量学方法，首次提出层次化建模策略（包含异常检测、掺假物分类及定量分析三步），成功实现未熟香蕉粉中多种已知/未知掺假物（如燕麦、小麦、玉米粉）的高精度识别（准确率＞95%）与低限定量（LOQ≈1%）。该非靶向、无损检测方案为复杂食品欺诈场景提供了可扩展的解决方案，对保障特殊膳食（如无麸质）产品安全具有重要实践价值。

　　

¹一类与多类分类方法（One class and multiclass classification methods）

在食品打假战场上，一类模型和多类模型可是两大明星选手！虽然不少研究更爱用一类模型（比如DD-SIMCA）来验明正身，但我们的工作发现——多类模型其实更^机智！它不仅能精准识别已知掺假物（比如混入的小麦或燕麦粉），还能顺带揪出那些^{没被训练过的}“神秘嘉宾”（比如玉米淀粉），秘诀就在于它巧妙利用了近红外光谱的一阶导数优势，让异常样本无所遁形！

²样品制备（Sample Preparation）

实验室自制^{纯正无添加}的未熟香蕉粉可是咱们研究的^黄金标准！香蕉从本地市场、里约山区甚至米纳斯州佩克里市采购，经过去皮、切片、65°C低温烘干24小时（确保零水分残留），再磨粉过筛（颗粒≤180微米）——每一批都严格把控，就为了给后续掺假实验打下^坚实可靠的基础！

³探索性分析（Exploratory Analysis）

一眼扫过SNV预处理后的近红外光谱（图S1），掺假样本在1500–2400 nm波段（涵盖一级倍频和组合频带）^原形毕露！信号强度和变异度明显增高，主成分分析（PCA）更是实锤——纯香蕉粉和掺假样本^分道扬镳，不同掺假物也各自“扎堆”，这波操作直接为后续分类模型铺平了道路！

⁴结论（Conclusion）

咱这波^{三层次建模神操作}可是把未熟香蕉粉掺假检测玩出了新高度！不仅实现了多类掺假物的精准分类+定量，还能顺手抓出^{非建模掺假物}——这在实际打假中简直^{不要太实用}！相比以往只盯一种掺假物的研究，我们的策略更^{灵活、可靠、贴近现实}，为粉末食品矩阵的 authenticity 保障提供了^{可推广的解决方案}！