这篇文档属于类型a，即报告了一项原创性研究。以下是对该研究的学术报告：
研究作者与机构
本研究由Yuhan Cheng、Yu Wang、Tuo Leng、Liwen Zhu、Ying Jing、Jianhua Xie、Qiang Yu和Yi Chen共同完成，所有作者均来自中国南昌大学食品科学与技术国家重点实验室。该研究于2022年10月8日发表在期刊《LWT - Food Science and Technology》上，文章编号为114078。
学术背景
黑芝麻糊是一种在亚洲国家，尤其是中国广受欢迎的食品，主要由黑芝麻粉与其他谷物粉（如黑米和黑豆）混合制成。由于其独特的营养价值和风味，黑芝麻糊在中国市场上占据了重要地位，年销售额超过20亿元人民币。然而，市场上不同品牌的黑芝麻糊配方各异，部分商家为降低成本，可能减少黑芝麻粉的比例，转而添加价格较低的黑米或黑豆粉。这不仅影响了产品的质量，也损害了消费者的权益。因此，开发一种快速、有效的方法来分析黑芝麻糊中不同谷物的比例，对于保护消费者权益和规范市场具有重要意义。
本研究提出了一种结合傅里叶变换红外光谱（FT-IR spectroscopy）和化学计量学（chemometrics）的定量分析方法，旨在预测黑芝麻糊中黑芝麻、黑米和黑豆的混合比例。通过FT-IR光谱采集三种谷物的混合光谱数据，并利用不同的回归方法（如偏最小二乘回归PLSR、协同区间偏最小二乘SiPLS和主成分回归PCR）进行建模和优化，最终实现对混合谷物成分的定量分析。
研究流程
1. 样品制备
研究从南昌市当地超市购买了黑米、黑豆和炒制黑芝麻样品，每种谷物各6个来源不同的样品。所有样品在预处理前均密封保存于4°C低温环境中。黑米和黑豆分别在190°C下烘烤40分钟，冷却后使用中药研磨机研磨三次，并通过40目筛网确保样品颗粒均匀。最终制备了81个三元混合样品（黑米、黑芝麻和黑豆的比例范围为0%至100%），以及27个二元混合样品和36个三元混合样品。此外，还准备了13个外部验证样品，用于模型的验证。
光谱采集
使用Nicolet IS50傅里叶变换红外光谱仪在10000–4200 cm⁻¹范围内采集混合谷物样品的近红外漫反射光谱。每个样品测试前，仪器预热30分钟以确保稳定性。每个样品进行32次连续扫描，分辨率为4 cm⁻¹，并重复三次取平均值。
光谱数据预处理
为减少光谱偏差和基线变化对模型的影响，研究采用了四种光谱预处理方法：一阶导数（FD）、二阶导数（SD）、标准正态变量变换（SNV）和多元散射校正（MSC）。这些方法分别用于去除基线、线性趋势和散射效应，以提高光谱数据与样品质量之间的相关性。
定性分析
使用SIMCA 14.1软件进行多变量分析，采用主成分分析（PCA）和PCA分类（PCA-class）模型对样品进行定性分析。PCA用于降低输入变量的维度并可视化样品分离情况，PCA-class则用于建立分类模型，根据样品与模型的距离判断其归属类别。研究还通过7折交叉验证优化了主成分数量。
定量分析
在建立偏最小二乘回归（PLSR）、协同区间偏最小二乘（SiPLS）和主成分回归（PCR）模型前，研究对光谱数据进行了预处理。样本光谱分为校准集（2/3）和预测集（1/3），分别用于模型构建和验证。通过变量重要性投影（VIP）分析筛选出对建模贡献较大的光谱数据，并重新构建PLSR模型。最终，研究比较了不同模型的预测精度，选择最优模型进行外部验证。
主要结果
1. 光谱解释
FT-IR光谱显示，黑芝麻、黑米和黑豆样品在10000–4200 cm⁻¹范围内的光谱趋势相似，但不同样品的吸收峰强度存在差异。这些差异通过化学计量学方法得到了有效利用。
定性分析结果
PCA模型显示，三种纯样品在得分图中完全分离，二元和三元混合样品则位于纯样品形成的区域内。PCA-class模型的分类准确率较高，除黑米和黑芝麻混合样品外，其他样品的敏感性和特异性均超过90%。
定量分析结果
PLSR、SiPLS和PCR模型均表现出较高的预测精度，其中PCR模型的表现最优，R²值高于0.98，RMSE小于4。外部验证结果表明，PCR模型对黑芝麻、黑米和黑豆比例的预测误差最低，平均误差率为11.44%。
结论
本研究证明了FT-IR光谱结合化学计量学方法在黑芝麻糊混合谷物定量分析中的可行性。通过PCA-class、PLSR、SiPLS和PCR模型的建立与优化，研究实现了对黑芝麻糊中不同谷物成分的准确预测。该方法具有高通量、成本低、非破坏性和快速分析的优势，未来有望在食品工业中广泛应用，特别是对多成分混合食品的定量分析。
研究亮点
1. 首次将FT-IR光谱与化学计量学方法结合，用于黑芝麻糊中多种谷物的定量分析。
2. 通过PCA-class模型实现了对混合样品类型的准确分类。
3. PCR模型在定量分析中表现出最优的预测精度，为混合食品的质量控制提供了有力工具。
4. 研究为快速检测混合食品成分提供了一种新的技术路径，具有重要的市场应用价值。
其他有价值内容
研究还指出，黑芝麻糊中的其他成分（如糖）可能对分析结果产生一定影响，未来需进一步研究不同加工方法对最终检测结果的影响。此外，增加外部验证样品的数量也有助于提高模型的普适性和准确性。
这篇报告详细介绍了研究的背景、方法、结果和意义，为相关领域的研究者提供了全面的参考。