《Sustainable Food Technology》：Emerging trends in the detection of adulteration in pulses: from phenotypic traits to imaging and molecular tools – a systematic review
编辑推荐：
本系统性综述深入探讨了豆类掺假的现状，指出传统检测方法（如目视检查）主观且费时，已转向非破坏性的现代分析技术。文章重点介绍了近红外光谱（NIRS）、傅里叶变换红外光谱（FTIR）、高光谱成像、X射线成像、DNA条形码和图像处理与机器学习等先进方法，这些技术显著提升了检测的准确性、效率和可靠性。作者强调，结合表型特征（大小、形状、颜色、纹理）定量分析与上述高级技术，是未来保障豆类质量和安全、建立消费者信心及符合FSSAI、US-FDA等监管框架的关键方向。
豆类（Dal）因其高营养价值和生态可持续性在全球备受重视，是人体饮食的重要组成部分。然而，掺假行为日益严重，通过降低营养价值、带来严重的健康风险，损害了消费者信任和公共健康。本文旨在系统回顾豆类掺假的检测方法，涵盖从传统到现代的技术演进。
传统与定性方法：快速但有限
早期的掺假检测主要依赖于定性方法，如目视检查、化学测试和感官评价。这些方法能快速筛查出如石子、大理石碎片、啮齿动物毛发等无机杂质，或通过形态特征识别有毒种子（如毒参豆）。例如，凯萨里豆（Lathyrus sativus）可通过其特有的楔形、浅灰色或黄色种子进行视觉识别。对于合成染料，如碱性品红（Metanil Yellow）的检测，可将豆样浸入浓盐酸中，溶液变粉红则表明存在掺假。类似地，铅铬黄的检测可通过加入硝酸和碘化钾，观察黄色沉淀来判断。虽然这些方法成本低、操作简单，适合现场初步筛查，但其主观性强、灵敏度低，且无法准确定量，难以应对复杂或微量的掺假。
迈向定量与先进分析
为克服传统方法的局限，定量分析技术得以发展，旨在精确测定掺假物的浓度。这涉及一系列仪器和分析方法：
- •
表型参数定量化：大小、形状、颜色和纹理等表型特征是直观的质量指标。图像处理与计算机视觉技术，结合机器学习算法，可以精确提取和量化如面积、周长、圆度、长宽比等形态参数，以及颜色强度（使用色度仪、分光光度计测量L*, a*, b*值）和纹理特征（通过灰度共生矩阵GLCM、灰度游程矩阵GLRLM等算法提取对比度、同质性等统计量），从而实现客观、可重复的鉴别。
- •
光谱技术的威力：近红外光谱（NIRS）和傅里叶变换红外光谱（FTIR）等光谱技术提供了快速、非破坏性的检测手段。它们通过分析物质与特定波长光的相互作用，获得独特的光谱“指纹”。结合化学计量学模型，如偏最小二乘回归（PLSR），这些技术能高精度地检测和量化掺假。例如，利用NIRS和修正偏最小二乘回归（MPLSR）检测鹰嘴豆粉中的玉米粉掺假，获得了高达0.999的确定系数（R2）。傅里叶变换红外光谱结合主成分分析（PCA）和偏最小二乘（PLS）模型，可有效检测豆类中的草甘膦残留。
- •
高光谱成像的整合优势：高光谱成像（HSI）技术融合了成像与光谱学，能同时获取样本的空间和光谱信息。与卷积神经网络（CNN）等机器学习方法结合，它在检测合成染料（如碱性品红）方面表现出色，R2值可达0.992。该技术还能以高精度（98-100%）识别真菌污染。
- •
窥视内部：X射线成像：X射线成像利用密度差异来可视化材料内部结构，能有效检测肉眼不可见的内部虫害或高密度异物，在绿豆等豆类的虫害检测中准确率超过92%。
- •
分子水平的鉴证：对于复杂掺假，尤其是涉及物种替换或有毒成分时，需要分子生物学技术。DNA条形码通过分析特定DNA片段（如ITS、rbcL基因）来精确鉴定物种。薄层色谱（TLC）、高效液相色谱（HPLC）和气相色谱-质谱联用（GC-MS）等色谱技术，则用于分离和鉴定特定的化学毒素，例如凯萨里豆中的β-N-草酰基-L-α,β-二氨基丙酸（BOAA）神经毒素。
健康、监管与未来方向
豆类掺假后果严重，可能导致急性肠胃不适，长期则引发癌症、生殖障碍、神经损伤等健康问题。物理杂质如沙石会造成消化道损伤，而合成染料、农药残留和重金属（如铅、镉）具有慢性毒性。因此，建立严格的监管框架至关重要。印度食品安全标准局（FSSAI）、英国食品标准局（UK-FSA）、美国食品药品监督管理局（US-FDA）和欧洲食品安全局（EFSA）等机构都制定了相关污染物的最大残留限量（MRLs）和标准，以管控风险。
展望未来，豆类掺假检测的策略在于融合与创新。结合低成本工具（如基于智能手机的图像分析）和高端技术（如高光谱成像、便携式光谱仪），构建多层次检测体系。特别是图像处理与机器学习技术的深入应用，为实现快速、现场、智能化的掺假筛查提供了巨大潜力。通过推动技术创新与法规标准协同发展，才能有效保障豆类产品的真实性与安全性，支撑可持续的粮食体系，并助力实现联合国“零饥饿”（SDG 2）、“产业、创新和基础设施”（SDG 9）及“负责任消费和生产”（SDG 12）等可持续发展目标。
