基于近红外光谱与DD-SIMCA/PLS-DA模型的巴西Coffea canephora咖啡地理溯源及掺假检测新策略

本文提出一种结合近红外光谱（NIR）与数据驱动的软独立建模分类分析（DD-SIMCA）和偏最小二乘判别分析（PLS-DA）的非破坏性检测方法，成功实现巴西特色Canephora咖啡的地理起源认证（准确率100%）及多种掺杂物（如a?aí籽、玉米、大豆等）的鉴别（准确率99.6%），灵敏度达10% w/w掺假水平，为咖啡真实性控制提供了高效可持续的分析方案。

　　

Highlight

本研究首次将直接近红外光谱（NIR）与非破坏性化学计量学方法结合，用于巴西特色Canephora咖啡（包括Conilon和Robusta变种）的地理起源认证与多类别掺假判别，显著提升了咖啡真实性控制的效率与可靠性。

Coffee samples

研究共纳入240份生咖啡样本，分别来自朗多尼亚州土著生产者（80份）、非土著生产者（80份）及圣埃斯皮里图州（80份），由巴西农业研究公司（EMBRAPA）提供。所有样本经烘焙研磨后，通过近红外光谱仪（NIRS）在1100–2300 nm范围内采集光谱数据，每个样本重复测量3次。

Exploratory analysis

原始近红外光谱显示，三个产地的纯咖啡样本在整体谱图形态上高度相似（图2a），但圣埃斯皮里图样本与朗多尼亚样本在特定波段存在可区分的吸收模式。主成分分析（PCA）进一步证实了地理起源之间的差异性，而蒙特卡洛交叉验证（MCCV）则用于优化模型稳定性与泛化能力。

Conclusions

本研究成功建立了一种基于NIR光谱的快速、非破坏性分析策略，能够精准鉴别巴西Canephora咖啡的地理来源并检测低至10%的常见掺杂物（包括咖啡壳、大豆、玉米等）。该方法在准确性与实用性上均优于以往报道的技术，为咖啡行业的质量控制与反欺诈提供了强有力的工具。