荞麦是一种营养价值极高的伪谷物，富含蛋白质、纤维和必需氨基酸。其显著的抗氧化活性以及对血糖控制和脂肪积累的有益作用（Giménez-Bastida & Zieliński, 2015; Neacsu et al., 2022），使得荞麦粉成为食品工业中的有前景的原料，特别是作为小麦、大麦和黑麦等传统面粉的无麸质替代品。
然而，多项研究报道了标榜为无麸质的产品中实际含有麸质的情况（Guennouni et al., 2022; Li et al., 2025; Mehtab et al., 2021）。这些情况可能是由于加工过程中的意外交叉污染（Cheesman, 2021; Tóth et al., 2024），或者是出于经济利益的掺假行为，因为无麸质产品市场价值高且认证原材料供应有限。这种欺诈行为旨在降低生产成本并增加利润，对食品安全和公众健康构成重大风险，尤其是对乳糜泻患者而言，他们约占全球人口的1%，可能会经历严重的不良反应（Catassi & Fasano, 2008）。
因此，检测标榜为无麸质食品中的故意掺假行为成为确保食品安全和消费者信心的关键步骤。传统的分析技术，如聚合酶链反应（PCR）（García-García et al., 2019）、液相色谱结合质谱（LC-MS）（Li et al., 2018）和酶联免疫吸附测定（ELISA）（Monachesi et al., 2021），因其准确性而受到认可。然而，这些方法存在操作限制，包括需要复杂的样品制备、高成本，且常常会破坏被分析的材料，因此探索替代技术显得尤为重要。
近红外光谱作为一种有前景的食品掺假检测方法，在文献中得到了广泛应用，尤其是与化学计量技术结合使用时（Ayvaz et al., 2021; Elfiky et al., 2022; Sitorus & Lapcharoensuk, 2023）。该方法利用分子跃迁产生光谱，显示出该光谱区域特有的振动模式的叠加带和组合带，具有成本效益和非破坏性的特点（Ní Fhuaráin et al., 2024; Pasquini, 2003）。便携式NIR光谱仪的发展使得这项技术更加普及和经济实惠，能够快速提供结果。
最近的研究支持了便携式NIR光谱仪在面粉掺假检测中的潜力。例如，Tao等人（2021）使用便携式MicroNIR光谱仪（VIAVI Solutions Inc., Chandler, Arizona, USA）结合偏最小二乘判别分析（PLS-DA）检测了小麦粉中的木薯淀粉。Wang等人（2022）报道了使用DLPR NIRscan? Nano（Texas Instruments, USA）在900–1700 nm光谱范围内有效检测藜麦粉中的小麦掺杂情况，并通过PLS回归模型获得了满意的性能。
也有针对荞麦的具体应用研究（Yu et al., 2025）。他们的研究使用了NIR 1700光谱仪（Ideaoptics, Shanghai, China），研究对象是鞑靼荞麦（Fagopyrum tataricum），这种荞麦的芦丁含量较高，味道比Fagopyrum esculentum更苦（Suzuki et al., 2014）。尽管作者成功使用支持向量机（SVM）和PLS-DA等分类算法检测到了小麦、大麦、燕麦、大豆和高粱粉的掺杂，但这些判别方法本质上受限于模型训练阶段所包含的掺杂物类型（Rodionova et al., 2024）。
为了克服检测不可预测掺假行为的局限性（即掺杂物的性质未知），单类分类策略提供了一个稳健的替代方案。通过仅对目标类（真品样品）进行建模，这些方法能够捕捉到真实产品的固有变异性，从而识别出任何类型的掺杂物（Strani et al., 2025）。在食品掺假背景下，这种能力尤为重要，因为欺诈行为可能有多种形式（Huang et al., 2022）。Netto等人（2023）展示了这种方法在验证杏仁粉真实性方面的可行性。通过将便携设备与台式Frontier FT-NIR（Perkin Elmer, USA）进行比较，作者发现应用于MicroNIR光谱的数据驱动SIMCA算法可以达到与台式仪器相当的特异性。这些发现表明，类似的单类策略可以有效用于验证无麸质食品（如荞麦粉）的真实性。
尽管显然需要可靠的认证方法来保证无麸质产品的质量，但据我们所知，目前尚无关于将便携式近红外光谱与单类分类模型结合用于荞麦粉鉴定的研究。因此，本研究的目的是开发一种无需试剂、非破坏性的方法，利用便携式NIR光谱仪来鉴定荞麦粉与常见含麸质面粉的真实性。评估了不同的单类分类模型（SIMCA、DD-SIMCA和OC-PLS）的性能，以建立可靠的筛查工具。此外，还开发了一个全局偏最小二乘回归（PLSR）模型来预测总掺杂程度，为食品质量控制提供了全面的解决方案。
