基于多维融合信息的抹茶掺假物准确鉴别与定量预测

《Applied Food Research》:Accurate discrimination and quantitative prediction of adulterants in matcha using multidimensional fusion information

【字体: 大 中 小 】 时间:2026年05月24日 来源:Applied Food Research 6.2

编辑推荐:

  抹茶粉作为一种富含多种有益成分的流行食品原料,其掺入低成本粉末的掺假行为严重侵犯了消费者权益并扰乱了市场秩序,因此准确识别抹茶掺假显得尤为必要。传统的单一检测技术在识别多组分混合物掺假方面存在精度不足的问题。鉴于此,该研究提出了一种多维信息融合方法,用于抹茶掺

  
抹茶粉作为一种富含多种有益成分的流行食品原料,其掺入低成本粉末的掺假行为严重侵犯了消费者权益并扰乱了市场秩序,因此准确识别抹茶掺假显得尤为必要。传统的单一检测技术在识别多组分混合物掺假方面存在精度不足的问题。鉴于此,该研究提出了一种多维信息融合方法,用于抹茶掺假的准确识别与定量分析。具体而言,研究人员分别利用近红外光谱(NIRS)、激光衍射粒度分析仪和电子鼻(e-nose)获取了抹茶粉的理化成分、粒径分布及挥发性有机化合物数据。随后,通过数据融合技术整合这三源信息,实现了对抹茶掺假的定量分析。研究结果表明,该方法对掺有香精、螺旋藻粉、小麦苗粉、桑叶粉及混合掺假物的抹茶预测准确率分别为 90.70%、93.24%、94.66%、93.97% 和 93.21%。这些发现证明,所提出的方法满足了实际应用需求,并为抹茶的智能质量监控提供了新见解和理论支持。
**基于多维信息融合策略的抹茶掺假精准检测与定量预测研究解读**

抹茶作为一种源自遮荫栽培茶树的超细粉末,因其富含多酚类(如儿茶素、酚酸)、氨基酸(如茶氨酸、γ-氨基丁酸)、维生素及咖啡因等多种生物活性成分,被公认为具有降低心血管疾病风险、抗焦虑、抑制肿瘤生长及改善情绪等多种健康功效的功能性食品。随着全球对抹茶需求的增长,其广泛应用于烘焙、巧克力及冰淇淋等食品中,但随之而来的掺假问题日益严峻。掺假行为不仅损害消费者信任和合法生产商的经济利益,还可能带来潜在健康风险。传统的感官评审主观性强且重现性差,而高效液相色谱等理化分析方法虽精度高但耗时、操作繁琐且成本高昂。尽管近红外光谱(NIRS)技术在抹茶产地溯源和单一掺假检测中展现出快速、无损的优势,但在面对成分复杂的混合掺假(如同时掺入色素、甜味剂、大麦苗粉等)时,单一技术往往难以捕捉样本在物理性状(如粒径)和气味指纹等多维度的细微差异,导致模型泛化能力不足。因此,开发一种能够综合化学组成、粒径分布及挥发性特征的多维信息融合检测方法,对于提升抹茶质量监控的准确性和鲁棒性具有重要的科学意义和应用价值。

针对上述问题,研究人员开展了一项系统性研究,旨在建立一种基于多维信息融合的抹茶掺假精准鉴别与定量预测方法。该研究选取了三种不同等级的纯抹茶粉作为基底,分别掺入香精、螺旋藻粉、小麦苗粉、桑叶粉、甘氨酸及混合掺假物,制备了不同掺假比例(0%-100%)的样本队列。研究核心在于构建并验证了一种中级数据融合策略,该策略整合了来自激光衍射粒度分析仪的物理粒径数据、近红外光谱仪的化学成分数据以及电子鼻的气味指纹数据。通过对比单一技术模型与融合模型的性能,研究人员得出结论:多维信息融合显著提升了模型对复杂掺假体系的识别精度和定量预测能力,有效克服了单一信源信息不全导致的局限性。该研究成果发表于《Applied Food Research》期刊,为保障抹茶食品安全、优化全产业链质量控制技术以及提升中国抹茶品牌的国际竞争力提供了强有力的技术支撑和理论依据。

在技术方法层面,研究人员主要采用了三项关键检测技术与数据处理流程。首先,利用激光衍射粒度分析仪(LT3600 Plus)基于光散射原理,通过检测散射光场的空间分布反演计算样本的粒径及其分布特征,重点捕捉掺假物与纯抹茶在粒径范围(如螺旋藻粉与抹茶的显著差异)上的物理性状区别。其次,应用近红外光谱仪(Nicolet iS50)在 12000-3800 cm-1范围内采集光谱数据,通过分析分子振动引起的特征吸收峰变化,反映样本内部化学键(如 C-H、N-H、O-H 等)的组成差异。第三,采用配备 10 个金属氧化物传感器的电子鼻(Airsense PEN3),通过检测顶空挥发性气体引起的传感器电阻变化,获取样本的特征气味指纹图谱。在数据处理与建模阶段,研究人员首先运用标准正态变量变换(SNV)算法对三类原始数据进行预处理以消除噪声干扰;随后采用主成分分析(PCA)进行降维处理,提取关键特征变量;最后,基于中级数据融合策略,将提取的特征矩阵输入随机森林(RF)回归模型,通过参数优化(如决策树数量 N 的调整)和十折交叉验证,构建出能够同时处理多源异构数据的定量预测模型。

研究结果部分详细展示了各维度数据的分析特征及融合模型的优越性。

**激光衍射粒度分析仪分析结果**
研究发现,纯抹茶粉粒径主要分布在 1-100 μm,而常见掺假物(如螺旋藻粉、小麦苗粉)粒径较大(80-180 μm)。当掺入粒径差异显著的掺假物时,混合物的粒径分布范围随掺假比例增加而显著扩大。例如,螺旋藻粉的加入导致折射率失配及颗粒团聚,使得粒径数据出现明显偏差;而混合掺假样本中,尽管香精粒径与抹茶相近,但其他大颗粒掺假物的存在仍使整体粒径随掺假比例上升而增大。这表明粒径分析能有效区分物理性状差异大的掺假行为,但在低比例或粒径相近掺假时存在局限。

**近红外光谱分析结果**
近红外光谱分析显示,不同掺假物在特定波数区间引起特征吸收峰的规律性变化。例如,香精的加入导致 6000-7000 cm-1区间吸收峰逐渐升高;螺旋藻粉掺假使 4000-5500 cm-1处芳香族 C-H 键的一级倍频吸收增强;小麦苗粉因富含蛋白质和叶绿素,导致 7500-10000 cm-1处 N-H 和 C=O 基团吸收峰增加;桑叶粉则因纤维素和糖分中 O-H 键的一级倍频,使 4000-5000 cm-1处吸收增强。这些光谱特征的梯度变化证实了近红外光谱在定量预测掺假含量方面的潜力,但单一光谱难以全面覆盖所有物理和气味维度的变化。

**电子鼻分析结果**
电子鼻检测结果表明,不同掺假物具有独特的气味指纹。香精的挥发性强,显著提升了传感器信号强度;螺旋藻粉特有的鱼腥味/藻味掩盖了抹茶清香,导致信号呈现明显梯度变化;小麦苗粉气味与抹茶相似但在初期信号急剧上升;桑叶粉气味较淡,信号变化微弱。对于混合掺假样本,强气味掺假物(如香精、螺旋藻)的存在使得电子鼻能在短时间内清晰区分不同掺假比例。

**单一技术与融合模型预测结果对比**
基于单一信源(粒径、光谱或气味)构建的随机森林模型虽然在训练集上表现尚可(预测系数 R>0.83),但在预测集上的泛化能力较弱(R>0.70),难以满足复杂场景下的高精度需求。相比之下,基于中级数据融合策略构建的融合模型性能显著提升。融合模型综合了物理、化学及气味三维信息,有效弥补了单一技术的短板。实验数据显示,融合模型对香精、螺旋藻粉、小麦苗粉、桑叶粉及混合掺假物的预测准确率(Rp)分别达到了 0.9070、0.9324、0.9466、0.9397 和 0.9321,残差预测比(RPD)均大于 1.6,表明模型具有优异的预测稳定性和实用性。

在讨论与结论部分,研究人员指出,当前抹茶掺假检测多依赖主观感官或单一仪器,难以应对日益复杂的掺假手段。通过融合粒径、化学成分和挥发性化合物三维特征,本研究提出的方法成功解决了单一技术信息获取不全导致的模型迁移性差和预测不稳定的问题。验证实验进一步证实,该模型在不同等级抹茶样本中均表现出良好的泛化能力。研究结论强调,这种基于多维信息融合的随机森林预测模型,不仅实现了对多种掺假物的快速、准确鉴别与定量,还为抹茶产业的智能化质量监控提供了新的理论依据和技术范式。未来工作将致力于开发微型化集成检测设备,构建更全面的抹茶质量多维评价体系,以推动该技术向便携式、低成本及工业化现场检测方向发展。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号