本文档属于类型a，即单篇原创研究的学术报告。以下是针对该研究的详细报告：

主要作者及研究机构

该研究由Guanghui Shen、Xiaocun Kang、Jianshuo Su、Jianbo Qiu、Xin Liu、Jianhong Xu、Jianrong Shi和Sherif Ramzy Mohamed共同完成。主要研究机构包括江苏省农业科学院食品安全与营养研究所、江苏大学食品与生物工程学院以及埃及国家研究中心的食品毒理学与污染物部门。该研究发表于《Food Chemistry》期刊，出版时间为2022年2月16日。

学术背景

本研究的主要科学领域是食品安全与检测技术，特别是针对玉米中伏马菌素（fumonisin）B1和B2的快速检测方法。伏马菌素是由真菌产生的次级代谢产物，广泛存在于玉米及其副产品中，对人类和动物健康构成严重威胁。由于伏马菌素的高毒性和潜在的致癌性，许多国家和地区已制定了其在食品和饲料中的最大残留限量（MRL）。传统的检测方法如高效液相色谱（HPLC）和液相色谱-质谱联用（LC-MS/MS）虽然精确，但耗时、复杂且成本高，不适合现场快速检测。因此，开发一种快速、便携的检测方法具有重要意义。本研究旨在评估基于智能手机控制的便携式近红外光谱仪（NIR）结合化学计量学方法在玉米中伏马菌素B1和B2检测中的可行性。

研究流程

研究流程包括样品收集与制备、便携式近红外光谱仪系统的搭建、光谱数据采集、HPLC-MS/MS分析伏马菌素B1和B2、化学计量学方法的应用以及定量和定性分析模型的建立与评估。

1. 样品收集与制备：研究从中国山东、吉林、贵州、河南和江苏等地的实验田采集了173个玉米样品。每个样品经过粉碎后分为两部分，一部分用于近红外光谱分析，另一部分用于HPLC-MS/MS分析伏马菌素含量。

2. 便携式近红外光谱仪系统：研究使用了一款基于数字微镜器件（DMD）的便携式近红外光谱仪（NIR-M-R2），该设备通过蓝牙与智能手机连接，并由安卓应用程序控制。光谱数据通过蓝牙传输并保存在智能手机中，随后导入计算机进行进一步分析。

3. 光谱数据采集：光谱仪在扫描前预热30分钟，使用标准Teflon参考板获取参考光谱。玉米样品被装入石英样品杯中，光谱数据在900-1700 nm范围内以反射模式采集，每个样品重复扫描三次，取平均值作为最终光谱数据。

4. HPLC-MS/MS分析：样品提取采用改进的QuEChERS方法，提取液经过氮气吹干后重新溶解，并通过HPLC-MS/MS系统进行分析。该系统的色谱柱为XDB-C18，流动相为含0.1%乙酸的水和甲醇，质谱采用电喷雾电离（ESI）源，伏马菌素B1和B2通过多反应监测（MRM）模式检测。

5. 化学计量学方法：光谱数据预处理包括标准正态变量变换（SNV）、去趋势（Detrend）、乘法散射校正（MSC）以及Savitzky-Golay平滑和一阶导数处理。定量分析模型采用偏最小二乘法（PLS）、支持向量机（SVM）和基于全局PLS得分的局部PLS（LPLS-S）算法构建。定性分析模型采用偏最小二乘判别分析（PLS-DA）和支持向量机判别分析（SVM-DA）。

主要结果

1. 伏马菌素污染水平：173个玉米样品中，伏马菌素B1和B2的含量范围为未检出（<10 μg/kg）至217.45 mg/kg，中位数为7.50 mg/kg，均值为25.19 mg/kg。其中96个样品的伏马菌素含量超过MRL，77个样品未超标。

2. 光谱分析：玉米样品的吸收光谱在990 nm、1200 nm和1465 nm附近出现主要吸收峰，分别与淀粉、脂肪酸和蛋白质的化学信息相关。随着伏马菌素污染水平的增加，平均光谱的吸光度强度总体呈下降趋势，但当污染水平超过8.0 mg/kg时，下降趋势不再明显。

3. 定量分析结果：SVM和LPLS-S算法的预测性能优于PLS算法，其中LPLS-S模型的预测均方根误差（RMSEP）最低（12.08 mg/kg），预测偏差比（RPD）最高（3.44）。SVM模型的RPD值在2.42至3.06之间，优于PLS模型。

4. 定性分析结果：PLS-DA和SVM-DA算法对玉米样品中伏马菌素含量是否超过MRL的分类准确率均高于86.0%。PLS-DA模型的分类准确率为89.3%，SVM-DA模型为86.1%。

结论

本研究首次提出并验证了基于智能手机控制的便携式近红外光谱仪结合化学计量学方法在玉米中伏马菌素B1和B2检测中的可行性。研究结果表明，非线性建模算法（SVM和LPLS-S）在定量分析中的性能优于线性建模算法（PLS），其中LPLS-S算法表现出最高的预测精度。定性分析模型（PLS-DA和SVM-DA）的分类准确率均高于86.0%，表明该方法在快速检测玉米中伏马菌素污染方面具有巨大潜力。

研究亮点

1. 创新性方法：本研究首次将智能手机控制的便携式近红外光谱仪应用于玉米中伏马菌素的快速检测，为现场实时分析提供了新的技术手段。
2. 高性能模型：LPLS-S算法在伏马菌素定量分析中表现出最高的预测精度，为非线性建模在食品安全检测中的应用提供了新的思路。
3. 广泛适用性：该方法不仅适用于玉米中伏马菌素的检测，还可推广至其他谷物和食品的安全检测，具有广泛的应用前景。

其他有价值的内容

随着技术的进步，智能手机结合云计算将进一步提高便携式光谱仪的计算效率，降低现场分析成本，提升检测效率。未来，便携式近红外光谱仪在农产品质量和安全的现场快速检测中将发挥更大的应用潜力。

以上是该研究的详细报告，涵盖了研究背景、流程、结果、结论及其科学和应用价值。