本文档属于类型a，即单篇原创研究的学术报告。以下是基于文档内容的详细报告：

第一，研究的主要作者及机构、发表期刊和时间
本研究由Zhuzhu Wang、Qianyi Wu和Mohammed Kamruzzaman共同完成，作者分别来自美国伊利诺伊大学厄巴纳-香槟分校（University of Illinois at Urbana-Champaign）的食品科学与人类营养系以及农业与生物工程系。研究发表于《Food Control》期刊，2022年3月30日在线发布，文章编号为108970。

第二，研究的学术背景
本研究的主要科学领域是食品科学与近红外光谱技术（Near-Infrared Spectroscopy, NIRS）。研究的背景是藜麦粉因其高营养价值和全球需求的增长，容易成为经济动机掺假（Economically Motivated Adulteration, EMA）的目标。掺假不仅可能导致经济损失，还可能对公共健康造成严重威胁。因此，开发一种快速、低成本且非破坏性的检测方法至关重要。
研究的目的是利用便携式近红外光谱技术结合多元分析方法，检测藜麦粉中的掺假物质，并建立定量模型以预测掺假水平。具体目标包括：（1）通过主成分分析（Principal Component Analysis, PCA）和均匀流形近似与投影（Uniform Manifold Approximation and Projection, UMAP）识别藜麦粉中最可能的掺假物质；（2）使用偏最小二乘回归（Partial Least Squares Regression, PLSR）预测藜麦粉中掺假物质的含量；（3）选择重要的光谱波段以开发更有效的PLSR模型。

第三，研究的详细工作流程
研究分为两部分：第一部分是识别潜在的掺假物质，第二部分是检测藜麦粉中的掺假水平。
1. 样品制备
- 第一部分：收集了五种潜在掺假物质（荞麦粉、木薯粉、玉米淀粉、米粉、小麦粉）和藜麦粉的样品，每种样品制备18个，共108个样品。
- 第二部分：从四个不同品牌收集藜麦种子，从一个品牌收集小麦种子。样品经过清洗、干燥和研磨后，通过250 μm筛网筛选。藜麦粉样品中掺入小麦粉，掺假比例范围为0-51%（w/w），每个掺假水平制备3个样品，共33个样品用于校准模型。另外，制备21个样品（掺假比例为6-42%）用于验证模型。
2. 近红外光谱数据采集
使用便携式近红外光谱仪（NIRScan™ Nano, Texas Instruments）在900-1700 nm波长范围内采集光谱数据。每个样品进行20次扫描，取平均值作为最终光谱数据。
3. 化学计量学与统计分析
- 降维分析：使用PCA和UMAP对光谱数据进行降维，以识别潜在的掺假物质。PCA通过协方差矩阵分析光谱变化，UMAP则通过局部和全局结构保留数据特征。
- 光谱预处理：采用一阶导数（First Derivative, FD）、二阶导数（Second Derivative, SD）、多元散射校正（Multiplicative Scatter Correction, MSC）和标准正态变量（Standard Normal Variate, SNV）等预处理方法，以消除光谱中的物理干扰。
- 校准模型开发：使用PLSR建立预测模型，通过分段交叉验证技术确定最佳潜变量（Latent Variables, LVs）数量。
- 重要波长选择：使用PLSR模型中的变量重要性投影（Variable Importance in Projection, VIP）评分选择信息丰富的光谱波段，最终筛选出13个重要波长。
- 模型评估：通过校准和预测的确定系数（R²）、均方根误差（Root Mean Square Error, RMSE）、预测偏差比（Ratio of Prediction to Deviation, RPD）和范围误差比（Range Error Ratio, RER）评估模型性能。

第四，研究的主要结果
1. 光谱特征分析
所有测试面粉的光谱在900-1700 nm范围内形状相似，但在吸收强度上存在差异。主要吸收波段出现在1216 nm和1465 nm，分别与C-H和O-H的振动相关。
2. 降维与可视化
PCA和UMAP分析表明，小麦粉与藜麦粉的光谱特征最为相似，表明小麦粉是藜麦粉中最可能的掺假物质。
3. 全光谱范围掺假检测
使用全光谱数据建立的PLSR模型在预测小麦粉掺假水平时表现最佳，校准R²为0.99，预测R²为0.94，RMSEP为3.04%，RPD为4.04，RER为11.84。
4. 重要波长选择与模型优化
通过VIP评分筛选出13个重要波长后，新的PLSR模型预测性能显著提升，预测R²为0.98，RMSEP为1.60%，RPD为7.71，RER为22.56。

第五，研究的结论
本研究首次使用便携式近红外光谱技术结合多元分析方法成功检测并量化了藜麦粉中的小麦粉掺假。PLSR模型表现出良好的预测性能，筛选出的13个重要波长进一步提高了模型的准确性和效率。研究表明，便携式近红外光谱技术是一种快速、低成本且非破坏性的分析工具，适用于食品掺假检测。

第六，研究的亮点
1. 重要发现
- 小麦粉被确定为藜麦粉中最可能的掺假物质。
- 通过VIP评分筛选的13个重要波长显著提高了PLSR模型的预测性能。
2. 方法创新
- 首次将便携式近红外光谱技术应用于藜麦粉掺假检测。
- 结合PCA、UMAP和PLSR等多种化学计量学方法，优化了数据分析流程。
3. 研究对象的特殊性
- 以藜麦粉为研究对象，填补了该领域的研究空白。

第七，其他有价值的内容
研究中还提到，尽管VIP评分在变量选择中表现出色，但未来仍需进一步研究不同的变量选择方法，以确定最佳的变量选择策略。此外，研究建议开发涉及多种掺假物质的全局校准模型，以提高检测的全面性和适用性。

通过本研究，便携式近红外光谱技术在食品掺假检测中的应用得到了进一步验证，为食品行业和监管机构提供了一种高效、可靠的检测手段。