分享自:

便携式LED荧光光谱和化学计量学在印尼烘焙咖啡豆中检测大豆掺假的应用

期刊:Food ChemistryDOI:10.1016/j.foodchem.2025.143791

这篇文档属于类型a,即报告了一项原创研究。以下是该研究的学术报告:

作者及研究机构

本研究的主要作者包括Diding Suhandy、Meinilwita Yulia、Slamet Widodo、Hirotaka Naito和Dimas Firmanda Al Riza。他们分别来自印度尼西亚的Lampung大学、Lampung州立理工学院、IPB大学、日本三重大学以及印度尼西亚的Brawijaya大学。该研究于2025年3月11日发表在《Food Chemistry》期刊上,文章编号为143791。

学术背景

本研究的主要科学领域是食品化学和光谱分析,特别是咖啡的鉴定和掺假检测。由于阿拉比卡咖啡(Arabica coffee)的高经济价值,市场上常出现掺假行为,尤其是在烘焙和研磨后,难以通过肉眼区分纯正咖啡与掺假材料。因此,开发一种快速、无损且经济有效的检测方法至关重要。本研究旨在利用便携式LED荧光光谱结合化学计量学技术,识别和量化印尼阿拉比卡咖啡中掺入的烘焙大豆。

研究流程

研究分为以下几个步骤:

  1. 样品准备
    研究使用了来自印尼西Lampung的纯正阿拉比卡、罗布斯塔(Robusta)和利比里卡(Liberica)咖啡豆,以及作为掺假材料的大豆。所有样品均经过烘焙和研磨处理,并通过400微米筛网筛选以确保均匀性。研究共制备了500个样品,其中300个为纯正咖啡样品(阿拉比卡、罗布斯塔和利比里卡各100个),200个为掺假样品(阿拉比卡中掺入10%、20%、30%、40%和50%的大豆,每个掺假水平40个样品)。

  2. 荧光光谱数据采集
    使用Goyalab公司生产的便携式荧光光谱仪(激发波长为365 nm)对样品进行荧光光谱采集。光谱仪通过USB连接到计算机,光谱数据在348.5-866.5 nm范围内以0.5 nm间隔采集。所有实验在恒温恒湿条件下进行,以确保数据的一致性。

  3. 数据预处理
    原始光谱数据经过移动平均平滑(Moving Average Smoothing, MAS)和标准正态变量变换(Standard Normal Variate, SNV)处理,以减少噪声和基线漂移,提高数据的可解释性。

  4. 数据分析
    研究采用了主成分分析(Principal Component Analysis, PCA)进行无监督模式识别,并使用四种监督分类模型(PLS-DA、LDA、PCA-LDA和SVMC)进行分类分析。此外,还使用了三种回归模型(PLSR、PCR和MLR)进行定量分析,以预测阿拉比卡咖啡中大豆的掺假水平。

  5. 模型验证
    所有分类和回归模型均通过交叉验证进行验证,并使用准确率、均方根误差(RMSE)、决定系数(R²)等统计参数评估模型性能。

主要结果

  1. 光谱数据分析
    预处理后的光谱数据显示,阿拉比卡、罗布斯塔和利比里卡咖啡在400-720 nm范围内的荧光强度存在显著差异,其中罗布斯塔和利比里卡的荧光强度高于阿拉比卡。掺假样品的荧光强度随大豆掺入量的增加而逐渐增强。

  2. PCA结果
    PCA分析显示,预处理后的光谱数据能够有效区分纯正咖啡和掺假样品。前两个主成分(PC1和PC2)解释了97.57%的总方差,纯正阿拉比卡样品主要分布在PC1的正区域,而掺假样品则随着掺入量的增加逐渐向负区域移动。

  3. 分类模型结果
    SVMC模型在分类任务中表现最佳,准确率达到100%,优于PLS-DA、LDA和PCA-LDA模型。SVMC能够准确区分纯正阿拉比卡咖啡与掺假样品,即使是低掺假水平的样品也能被正确分类。

  4. 回归模型结果
    PLSR模型在定量分析中表现最佳,校准和验证的决定系数(R²)均为0.99,均方根误差(RMSE)分别为2.01%和2.10%。PLSR模型的检测限(LOD)为4.96%(w/w),远低于其他方法。

结论

本研究成功开发了一种基于便携式LED荧光光谱和化学计量学技术的快速、无损且经济有效的阿拉比卡咖啡掺假检测方法。该方法能够准确区分纯正咖啡与掺假样品,并量化大豆的掺入水平。研究结果为咖啡行业提供了一种实用的质量控制工具,有助于打击咖啡掺假行为,保障消费者权益。

研究亮点

  1. 创新性方法:首次将便携式LED荧光光谱技术应用于阿拉比卡咖啡的掺假检测,结合化学计量学分析,实现了快速、无损的检测。
  2. 高准确性:SVMC模型在分类任务中达到100%的准确率,PLSR模型在定量分析中表现出色,检测限低至4.96%。
  3. 广泛应用前景:该方法不仅适用于阿拉比卡咖啡,还可推广至其他咖啡品种和食品掺假检测领域。

其他有价值的内容

研究还探讨了不同光谱预处理方法对数据分析的影响,发现MAS和SNV的结合能够显著提高光谱数据的质量。此外,研究还对比了多种分类和回归模型的性能,为未来相关研究提供了参考。

通过本研究,不仅为咖啡行业提供了一种有效的掺假检测手段,还为荧光光谱技术在食品质量控制中的应用提供了新的思路。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com