利用傅里叶变换红外光谱（FTIR）技术识别咖啡粉中的伪劣产品：关于预处理方法的研究

《Food Chemistry》：FTIR spectroscopy identification of fraud in coffee powder: a study on preprocessing methods

傅里叶变换红外光谱结合八种预处理技术和回归模型有效检测咖啡掺假（大麦、鹰嘴豆、椰枣核），最佳模型在10%-100%掺假浓度下R2达0.87-0.90，验证FTIR-chemometrics方法适合实时低浓度掺假检测。

　　

作者：Yegane Tarandakzad、Rasool Khodabakhshian、Mehdi Khojastehpour、Hadi Mahdavianmehr 所属机构：伊朗马什哈德费尔多西大学生物系统工程系（地址：9177948978，马什哈德）

摘要

本研究探讨了利用傅里叶变换红外（FTIR）光谱技术，结合八种不同的光谱预处理方法和先进的回归建模技术，来检测和量化咖啡粉中的掺假成分。研究选取了三种常见的掺假物质——大麦、鹰嘴豆和椰枣核粉，并将其以10%、15%、20%和100%（重量百分比）的不同浓度混入纯咖啡中。FTIR光谱测量范围为中红外区域（400–4000 cm?1），其中关键的光谱特征如1650 cm?1（蛋白质，酰胺I）、1740 cm?1（脂质，酯羰基）和1000–1200 cm?1（碳水化合物）有助于明确区分咖啡与掺假物质。研究人员应用了八种预处理方法：标准缩放（Standard Scaler）、标准正态变量（Standard Normal Variate, SNV）、乘法散射校正（Multiplicative Scatter Correction, MSC）、Savitzky-Golay平滑处理、一阶导数、二阶导数、小波变换和中值滤波。这些方法旨在减少基线漂移、噪声和散射效应。随后在预处理数据上训练了一系列机器学习回归模型，包括Bagging、随机森林（Random Forest）、梯度提升（Gradient Boosting）和XGBoost，并针对每种模型单独优化了超参数以提高模型的泛化能力。结果显示，结合SNV或Savitzky-Golay预处理的Bagging回归器在所有掺假物质检测中均取得了最高的预测准确性。对于椰枣核粉的检测，最佳模型的R2值为0.90，RMSE为11.54；对于大麦和鹰嘴豆，测试集的R2值介于0.87–0.91之间，RMSE介于10.85–13.68之间。这些结果证明了FTIR-化学计量学方法在准确识别低浓度（≥10%）咖啡粉掺假方面的有效性，为实时食品欺诈检测提供了一种可靠且非破坏性的手段。

引言

咖啡是全球消费量最大的饮料之一，其独特风味和香气备受推崇，同时还具有多种健康益处。特别是咖啡粉，在工业生产和家庭消费中占据重要地位，得益于其便捷性、抗氧化特性及潜在的健康效益（Freitas等人，2024年）。高需求使得咖啡成为一种利润丰厚的全球商品（Vegro & de Almeida，2020年）。然而，咖啡粉的普及也导致了广泛的掺假现象，尤其是在监管较弱的地区（Wang等人，2020年）。大麦、椰枣核和鹰嘴豆等掺假物质常被用于增加产品体积和降低生产成本（Cheah & Fang，2020年）。这些欺诈行为不仅损害了产品质量，还给消费者和合法生产商带来了健康风险和经济损失（Pauli等人，2014年）。因此，检测和预防咖啡掺假成为食品安全和质量保障的关键挑战。准确识别咖啡粉中的掺假成分对于保护消费者权益、确保公平贸易以及维护全球食品市场的完整性至关重要。目前，开发有效检测咖啡掺假方法的研究显得尤为紧迫和必要。 目前已有多种分析技术用于检测食品掺假，尤其是咖啡粉、香料和奶粉等粉末产品（Faith Ndlovu等人，2022年）。这些方法涵盖了传统的湿化学方法（Elumalai & Natarajan，2025年）和色谱技术（Cheah & Fang，2020年；Monago-Mara?a等人，2022年），以及现代的光谱技术（Khodabakhshian、Bayati和Emadi，2022年；Khodabakhshian、Seyedalibeyk Lavasani和Weller，2023年）和基于传感器的检测技术（Darvishi等人，2024年；Li等人，2024年）。近年来，傅里叶变换红外光谱技术因速度快、非破坏性、样品准备简单且重复性好而成为食品鉴定的有力工具。FTIR光谱能够捕捉分子键的振动信息，从而对复杂混合物进行详细的化学分析。多项研究表明，FTIR在检测咖啡中的掺假成分（如烤制谷物、豆类和外壳）方面具有高效性（Damto等人，2023年；Shannon等人，2022年）。Boadu等人（2023年）强调了FTIR和近红外光谱技术在便携式设备中的快速现场检测应用价值。鉴于这些优势，FTIR光谱被认为是确保食品完整性的可靠技术，尤其适用于区分真假咖啡粉。 尽管FTIR光谱在检测掺假方面具有巨大潜力，但其效果很大程度上取决于光谱数据的预处理和合适的化学计量学模型的应用（Rinnan等人，2009年；Shi等人，2019年；N?rgaard等人，2020年；Biney等人，2021年；Khodabakhshian等人，2023年）。原始光谱数据可能受到基线漂移、散射和信号重叠的影响，从而掩盖了掺假物质造成的细微差异。常用的预处理方法包括标准正态变量（SNV）、乘法散射校正（MSC）、Savitzky-Golay平滑处理以及一阶和二阶导数，这些方法有助于纠正这些问题并提升模型性能。Khodabakhshian等人（2023年）指出，在芝麻油掺假检测中，适当的预处理显著提高了分类和回归的准确性；另一项关于姜黄粉掺假的研究也强调了预处理在提高检测精度方面的关键作用（Khodabakhshian等人，2022年）。因此，选择最佳的预处理方法对于提升基于FTIR的模型的检测能力至关重要。 尽管已有大量关于FTIR检测咖啡掺假的研究，但仍存在一些重要空白。以往的研究大多局限于少数几种预处理技术或单一的化学计量学模型，且往往侧重于分类而非低浓度掺假下的定量预测。此外，不同光谱预处理策略对模型泛化和鲁棒性的影响尚未得到系统研究，尤其是针对化学性质多样的掺假物质。此外，很少有研究探讨结合多种预处理技术与集成回归模型是否能提高低浓度掺假情况下的检测灵敏度和预测稳定性。 本研究主要贡献有三点：首先，系统评估了八种光谱预处理方法对FTIR信号增强和回归模型性能的影响；其次，通过对比多种机器学习回归算法（包括集成模型），阐明了预处理与模型之间的相互作用对预测准确性和泛化能力的影响，尤其是在低掺假水平（≤20%重量百分比）时；最后，不同于以往仅关注检测或分类的研究，本研究强调定量掺假预测，并探讨了所提出框架在实时和实际筛查应用中的适应性。通过填补这些空白，本研究推进了基于FTIR的咖啡鉴定方法论，并为检测复杂粉末食品中的低浓度掺假提供了可靠且可扩展的框架。

样本采集与制备

本研究共获取了200克来自同一商业来源（MULTICAFE公司，伊朗）的纯烤咖啡粉，确保所有样本的均匀性。所用咖啡属于Coffea arabica L.品种，这是伊朗最常见和最广泛销售的咖啡品种（先前研究已证实）。根据供应商提供的信息，这些咖啡豆来自巴西——全球主要的咖啡生产国之一。

样品的FTIR光谱特征

纯咖啡粉及大麦、鹰嘴豆和椰枣核粉的FTIR光谱显示出明显的但部分重叠的光谱特征，反映了它们化学成分的差异（图2）。在纯咖啡光谱（图2a）中，观察到特征吸收峰位于3326 cm?1（O–H和N–H伸缩振动）、2924 cm?1（脂肪族C–H伸缩）、1744–1753 cm?1（与咖啡脂质相关的酯基团C–O伸缩）。

结论

研究表明，通过补充的光谱预处理技术和基于回归的化学计量学建模，FTIR光谱为咖啡粉掺假的定量检测提供了可靠的框架。即使掺假浓度低至10%（重量百分比），大麦、鹰嘴豆和椰枣核等掺假物质也能被可靠检测出来。关键的光谱特征包括约1650 cm?1（酰胺I/蛋白质）、1740 cm?1（脂质/酯类）和1000–1200 cm?1（碳水化合物）处的吸收峰。

作者贡献声明

Yegane Tarandakzad：负责撰写初稿、软件开发和数据整理。 Rasool Khodabakhshian：负责撰写、编辑、数据可视化、验证、项目管理和方法论设计、实验设计及概念构思。 Mehdi Khojastehpour：负责撰写、编辑和方法论设计。 Hadi Mahdavianmehr：负责撰写初稿和资源管理及数据整理。

利益冲突声明

作者声明没有已知的可能影响本研究结果的财务利益或个人关系。

致谢

本研究得到了伊朗马什哈德费尔多西大学（项目编号：61501）和MULTICAFE公司（项目编号：102538）的资助。这些资助方并未对研究结果产生任何影响。