摘要：意大利面的鑒定目前使用基于分子生物學的技術確定，重點關注DNA作為目標分析物。雖然被證明是有效的，但這些方法可能被批評為具有破壞性、耗時且需要專業的儀器培訓。多光譜成像(MSI)和高光譜成像(HSI)領域的進步促進了緊湊型成像平臺的開發，該平臺能夠根據表面顏色、質地和化學成分快速區分一系列材料（包括谷物和種子）.這項初步調查評估了光譜成像在鑒定和定量硬粒小麥谷物樣品與意大利面真實性方面的適用性。MSI和HSI能夠快速區分硬粒小麥和摻假的普通小麥品種，并確定以低偏差和良好的可重復性估計為特征的摻假百分比水平。結果證明了基于光譜成像的種子/谷物摻假測試的潛力，以增強用于食品真實性測試的現有標準分子方法。
 

圖1.使用VideometerLab 2系統生成的示例圖像：(a)100% 硬粒小麥；(b)100% T. aestivum 小麥粒；(c) 10% 的硬粒小麥與普通小麥粒摻假。

100% 硬粒小麥和普通小麥陽性對照樣品用于基于它們各自的光譜特征生成歸一化典型判別分析(nCDA)轉換模型。該模型應用于由21個盲測樣本組成的小組，并根據模型對圖像中每個谷物的光譜特征與硬粒小麥或普通小麥模型的匹配程度的評分返回結果（圖 1）。定量數據（圖2）顯示與指定的摻假百分比值非常一致，正如預期的那樣，最低百分比摻假樣品的精度較低。具有立法重要性的3%摻假樣本顯示出小的正偏差（樣本估計為 4.67%，95% 置信區間為 ±1.43%），相關變異系數 (CV) 為 12.37%。
 

圖2.MSI 平臺比較數據顯示計算出的平均摻假百分比
 

圖3.使用HySpex VNIR-1600 儀器和ENVI軟件生成的示例圖像（基于 SAM 的分析）。(a) 100% T. durum樣品，(b)100% T. aestivum樣品和(c) 3%摻假樣品。

使用光譜角映射器分類(SAM)對21個盲測樣本進行圖像處理基于方法來生成所需的光譜分類模型，如圖3所示。實驗數據顯示與指定的摻假百分比值非常一致（圖2）。對立法上重要的3%摻假樣本類型的分析顯示出小的正偏差（樣本估計為3.65%，±1.41%的95% 置信區間），給出相關的變異系數 (CV)15.50%。

通過與標準的基于PCR 的方法進行比較，這項初步可行性研究提供了一些證據，證明了光譜成像技術可用于鑒定硬粒小麥谷物的潛力。MSI和HSI方法都被證明能夠快速區分硬粒小麥和摻假普通小麥。獲得的結果具有低偏差和良好的可重復性估計的特點，與使用實時 PCR發布的數據相比較。雖然光譜成像提供了優于替代方法的關鍵優勢，例如其非破壞性和高通量分析的適用性，但應進行進一步的工作以評估其他性能特征（例如檢測限）和對其他食品基質的適用性。這將為光譜成像的適用性提供額外的證據，以作為食品真實性測試的快速篩選方法。

食品品質光譜成像可視化：應用多光譜成像的黃油曲奇質量評估