这篇文档属于类型a，即报告了一项原创研究的科学论文。以下是该研究的学术报告：
本研究的主要作者包括Sebahattin Serhat Turgut、Huseyin Ayvaz、Muhammed Ali Dogan、Dolores Pérez Marín和Ahmed Menevseoglu。他们分别来自土耳其的Süleyman Demirel大学、Çanakkale Onsekiz Mart大学、Agrı İbrahim Çeçen大学以及西班牙的Córdoba大学。该研究于2025年发表在《Food Research International》期刊上。
该研究的主要科学领域是食品科学与技术，具体涉及可可粉中角豆粉掺假的检测。可可粉是一种全球贸易的食品产品，主要产自发展中国家，具有重要的经济价值。然而，可可粉容易被廉价的材料如角豆粉掺假，尤其是在低浓度下，感官方法难以检测。为了解决这一问题，快速分析技术如振动光谱结合多元分析能够快速、可靠地检测掺假。该研究的背景知识包括可可粉和角豆粉的化学成分差异，以及传统检测方法的局限性。研究的目的是评估和比较四种不同红外光谱仪器（FT-NIR和FT-MIR）在检测可可粉中角豆粉掺假方面的性能，并建立最有效的实用工具，以确保可可粉产品的完整性和真实性。
研究包括以下几个主要步骤：
样品采集与制备
从土耳其当地市场收集了53份可可粉和12份角豆样品。角豆样品去壳去籽后使用咖啡研磨机研磨。为了涵盖广泛的掺假情景，制备了不同比例的可可粉和角豆粉混合物，角豆粉的比例从0%到60%，间隔为2%。每个样品量为10克。
光谱数据采集
使用了四种不同的红外光谱仪采集光谱数据：一台台式FT-NIR系统、两台便携式NIR仪器和一台台式FT-MIR-ATR仪器。光谱数据的采集包括背景光谱的校正和每个样品的多次测量取平均。具体设备包括Nicolet IS50 Flex Gold红外光谱仪、MicronIR™ Pro 1700便携式NIR光谱仪和Neospectra-Micro便携式NIR光谱仪。
光谱预处理
采用标准正态变量（SNV）和Savitzky-Golay滤波（SGF）对光谱数据进行预处理，以消除散射、基线变化和噪声。对于不同的仪器，预处理方法有所调整，例如FT-NIR和N-NIR仅使用SNV，而V-NIR和FT-MIR-ATR则结合了SNV和SGF。
数据分析与模型构建
使用Python编程语言进行数据分析，包括分类和回归模型的构建。分类模型用于区分纯可可粉、可可-角豆混合物和纯角豆粉，回归模型用于量化样品中角豆粉的含量。模型包括随机森林（RF）、支持向量机（SVM）、多层感知器（MLP）、K近邻（KNN）、线性判别分析（LDA）和软投票分类器（VC）。模型的超参数通过网格搜索算法和5折交叉验证进行优化。
模型评估与特征重要性分析
使用AUC（接收者操作特征曲线下面积）、准确率、精确率、召回率、F1分数和Matthews相关系数（MCC）等指标评估分类模型的性能。回归模型的评估指标包括均方根误差（RMSE）、决定系数（R²）和残差预测偏差（RPD）。通过置换特征重要性（PI）分析确定每个波长对模型预测的贡献。
光谱特征分析
不同仪器采集的光谱显示出可可粉和角豆粉在特定波长区域的显著差异。例如，FT-NIR和FT-MIR-ATR仪器在1400-1600 nm、2000 nm和2400 nm等区域表现出明显的峰和谷，这些变化与角豆粉的浓度相关。
分类模型性能
所有分类模型在FT-NIR和FT-MIR-ATR数据上表现出色，AUC值均高于0.99。特别是FT-MIR-ATR仪器在区分掺假样品方面表现出最高的准确性，AUC值达到1.00。便携式NIR仪器（如V-NIR和N-NIR）的性能略低，但仍具有较高的分类准确性。
回归模型性能
回归模型在预测角豆粉含量方面表现出强大的预测能力。特别是FT-MIR和便携式NIR模型显示出极高的准确性，RPD值分别超过16和13。这表明这些模型适用于质量和过程控制。
特征重要性分析
置换特征重要性分析揭示了不同波长对模型预测的贡献。例如，FT-NIR模型在2200-2300 nm区域的波长对预测有显著的正向影响，而某些区域（如1000-1150 nm）则对模型性能有负面影响。
该研究证明了近红外（NIR）和中红外（MIR）光谱作为快速、稳健、非破坏性工具在食品认证中的潜力，特别是在检测可可粉中角豆粉掺假方面。FT-MIR-ATR仪器表现出最高的性能，适用于高精度应用。便携式NIR仪器虽然在性能上略有不足，但其便携性和成本效益使其成为现场筛选和质量控制的有效工具。研究还强调了波长选择和预处理技术在提高模型性能中的重要性。
重要发现
FT-MIR-ATR仪器在检测可可粉中角豆粉掺假方面表现出最高的分类和回归性能，AUC值达到1.00，RPD值超过16。
方法新颖性
研究结合了多种红外光谱仪器和先进的化学计量学技术，建立了高效、实用的掺假检测方法。
研究对象的特殊性
研究涵盖了从0%到60%的角豆粉掺假浓度，模拟了实际食品掺假的广泛情景。
研究还探讨了不同预处理方法对模型性能的影响，并提出了进一步优化模型和外部验证的建议，以增强模型的鲁棒性和现场适用性。