本研究提出一种 基于热成像技术结合卷积神经网络（CNN） 的羊肉糜掺假定性鉴别与定量检测新方法，该方法兼具可靠性与实用性。
首先，研究采集了 35 份纯羊肉样品、35 份纯猪肉样品，以及 175 份不同掺假比例的羊肉糜样品（羊肉糜中猪肉掺入比例梯度为 10%、20%、30%、40%、50%）在连续加热过程中的热成像视频。其次，提取加热速率较快阶段的热成像图像，获取图像中感兴趣区域（ROI）的特征信息，并基于这些信息构建卷积神经网络定性分类模型与定量预测模型。在模型构建过程中，通过参数对比试验优化确定了模型的学习率与小批量样本数。
最终，本研究确定采用 Softmax 分类器的卷积神经网络模型作为最优定性分类模型，实现对纯羊肉、掺假羊肉糜及纯猪肉样品的精准判别；同时确定采用回归函数的卷积神经网络模型作为最优定量预测模型，实现对猪肉掺假比例的准确测算。
结果表明：所构建的卷积神经网络定性分类模型，其验证集准确率达 99.97%，测试集准确率达 99.99%；定量预测模型的验证集决定系数R2、均方根误差（RMSE）、相对预测偏差（RPD）分别为 0.9933、0.0251、12.2487，测试集对应指标分别为 0.9933、0.0252、12.2387。
综上，热成像技术结合卷积神经网络的方法，在不同样品的定性鉴别及掺假比例的定量检测方面均取得优异效果。该方法兼具经济性与便捷性，在掺假食品的检测与监管领域具有广阔的应用前景。

鱼肉及其加工制品因富含营养价值，近年来备受消费者关注。然而，由于鱼肉含水量较高，其制品极易腐败变质，导致品质快速下降。因此，快速高效的鱼肉新鲜度检测技术对未来水产行业的发展至关重要。实现不同解冻方式下鱼肉新鲜度的可视化表征，对于保障鱼肉品质、留存营养成分具有重要意义。
电导率（EC）是一项重要的新鲜度化学指标。本研究旨在探索高光谱成像技术（HSI）结合多元数据分析的方法，实现鱼肉新鲜度的精准判别。研究采用多元线性逐步回归（MLSR）与偏最小二乘回归（PLSR）算法，对全光谱数据进行建模分析与预测。通过连续投影算法（SPA）筛选出 7 个特征波长（445、474、580、612、711、813、974 nm），并分别建立 PLSR 和 MLSR 模型，最终确定SPA 结合 PLSR 为最优预测模型。
基于 SPA-PLSR 模型构建的参数方程（预测集决定系数R p2=0.8569，预测均方根误差RMSEP=19.06），被逐像素映射至高光谱图像，生成电导率（EC）值的空间分布图。本研究以不同解冻方式下贮藏的大口黑鲈鱼片为对象，验证了高光谱成像模型对新鲜度指标的预测能力。结果表明，高光谱成像技术（HSI）是一种极具潜力的鱼肉新鲜度无损、非侵入式检测技术。

缩水甘油酯（GE）是棕榈油精炼过程中产生的一种加工污染物。本研究采用傅里叶变换红外光谱技术（FTIR） 采集 156 份棕榈基食用油样品的光谱数据，并结合化学计量学方法对所得数据进行处理。
研究分别构建立方算法（Cubist）、随机森林（RF）、平均神经网络（avNNET）及人工神经网络（nnet） 四种模型，建立光谱数据与缩水甘油酯含量实测值之间的关联关系；随后融合这四种模型，构建出一个共识回归模型。通过气相色谱 - 质谱联用技术（GC-MS）测得的样品中缩水甘油酯含量范围为 1.338~18.362 mg/kg，平均值为 6.880±3.767 mg/kg，中位数为 6.480 mg/kg。
本研究以红外光谱数据作为模型输入变量，并利用气相色谱 - 质谱联用技术的实测数据完成模型校正；同时借助核磁共振波谱技术（NMR）验证缩水甘油酯的存在及其结构信息。共识回归模型对缩水甘油酯含量的预测结果显示，决定系数（R2）高达 0.79。各单一模型对共识模型的贡献度（按百分比计）由高到低排序为：立方算法＞随机森林＞平均神经网络＞人工神经网络。
此外，研究采用氢核磁共振波谱技术（¹H NMR） 进一步验证了样品中缩水甘油酯的存在。综上，基于傅里叶变换红外光谱 - 化学计量学联用技术与氢核磁共振波谱技术的综合分析方法，可成功实现棕榈基食用油中缩水甘油酯的定量检测与定性确证。

在食品供应链中，一种常见的欺诈行为是以其他肉类品种部分替代产品标注的肉类种类。因此，在食品生产、加工、流通、消费及废弃物处理的全流程中，采用快速、无损的检测方法鉴别肉类掺假，对维护消费者权益至关重要。
本研究以此为出发点，旨在结合多光谱成像技术（MSI）与支持向量机分类算法（SVM），针对三类样品开展猪肉与鸡肉的双向掺假检测研究，具体包括：（a）生鲜状态的肉馅、（b）冷藏存放的生肉馅、（c）煮熟后的肉馅。
研究分别在以下三个时间节点采集多光谱图像：0 小时（新鲜制备的肉馅样品，样本量 n=360）、冷藏 24 小时及 48 小时后（冷藏生肉馅样品，样本量 n=180）；在冷藏 48 小时后，将部分样品进行蒸煮处理，随后采集熟肉馅的多光谱图像（样本量 n=180）。
基于上述图像数据，研究人员构建了支持向量机分类模型，并利用（a）（b）（c）三类独立样本集对模型进行外部验证。外部验证的准确率结果如下：（a）生鲜肉馅的鉴别准确率为96.67%（n=360）；（b）冷藏生肉馅在 0 小时、24 小时、48 小时的鉴别准确率分别为 93.33%、97.78%、95.56%（n=180）；（c）熟肉馅的鉴别准确率为95.56%（n=180）。
综上，多光谱成像数据结合支持向量机算法，在生鲜、冷藏及煮熟三类肉馅样品的掺假快速检测中均展现出良好的应用潜力。

本研究以杜罗河法定产区（DDR）的国家杜丽佳（TN）、法兰西杜丽佳（TF）及廷塔・罗丽红（TR）三个单一品种红葡萄酒为研究对象，探究结合花色苷指纹图谱与多元统计分析方法实现品种鉴别可行性，具体采用的分析方法包括偏最小二乘判别分析（PLS-DA）、分类回归树（CART）及人工神经网络（ANN）。
实验结果显示，在单一品种葡萄酒的产地溯源分类中，分类回归树与人工神经网络模型表现出更优的准确性，测试集分类准确率均达 100%；而偏最小二乘判别分析模型的分类准确率为 91.4%。
不同模型筛选出的品种鉴别核心特征变量存在差异：偏最小二乘判别分析模型的关键变量为矮牵牛素 - 3 - 葡萄糖苷、锦葵素 - 3 - 乙酰葡萄糖苷及矢车菊素 - 3 - 葡萄糖苷；分类回归树模型的关键变量为矮牵牛素 - 3 - 葡萄糖苷、芍药素 - 3 - 乙酰葡萄糖苷及锦葵素 - 3 - 乙酰葡萄糖苷；人工神经网络模型的关键变量则包括锦葵素 - 3 - 乙酰葡萄糖苷、矮牵牛素 - 3 - 葡萄糖苷、锦葵素 - 3 - 葡萄糖苷、芍药素 - 3 - 香豆酰葡萄糖苷及飞燕草素 - 3 - 葡萄糖苷。
综上，杜罗河原产地命名保护体系下的国家杜丽佳、法兰西杜丽佳及廷塔・罗丽红单一品种红葡萄酒的花色苷指纹图谱，结合多元统计分析方法，可作为验证其品种真实性的有效技术手段。