西班牙松子凭借其独特的风味与口感，在全球市场广受青睐。然而，随着中国松子在市场中的流通量日益增加，松子产品以次充好、标签造假等问题频发，严重扰乱了西班牙松子的市场秩序。
本研究首次将近红外高光谱成像技术（光谱范围 940~1625 nm）与化学计量学方法相结合，针对市售包装标注为西班牙产与中国产的松子开展光谱学研究，分析其化学组分的分布特征与构成差异，并构建单类别建模分类模型。研究共选取 63 份不同产地标注、不同品质等级的市售松子样品进行检测分析。
主成分分析（PCA）与多元曲线分辨法（MCR）的分析结果显示，不同产地标注的松子样品中，主要化学组分的光谱特征峰存在差异：1170~1210 nm 波段的特征峰与油脂、脂肪酸相关，1485~1550 nm 波段则对应水分与蛋白质。研究采用类软独立建模法（SIMCA），分别基于像素层面和单粒松子层面两种分析策略，对样品的产地标注信息进行分类判别，正确预测率分别达到 89%~98% 和 84%~100%。
该初步研究证实，所提出的技术方法可作为一种快速、全面且创新性的质量控制工具，用于松子产业的品质表征与产地溯源，为行业监管提供技术支撑。

红茶在采购、拼配及上市销售前，需对其品质特性进行常规检测，以保障产品品质与市场价值。部分品质特性可通过仪器分析测定，但另有多项指标需经由评茶专家开展感官审评（开汤品鉴），并以感官评分的形式判定。然而，这类检测分析手段（尤其是感官审评）不仅对人员专业素养要求极高，操作耗时较长，还易受人为因素干扰产生误差。
为此，本研究将无损光谱传感技术与化学计量学方法相结合，旨在快速测定红茶样品的感官审评指标（外形、滋味、汤色及综合品质），以及其他关键理化品质指标（容重、纤维素含量、水浸出物含量和含水率）。研究选取 54 份土耳其红茶样品，采用三款不同的近红外光谱仪（MicroNIR™ 1700、Matrix-F 傅里叶变换近红外光谱仪及 NIRS DS 2500）完成光谱采集。建模过程中，采用结合逐步变量消除法的偏最小二乘回归法（PLSR）与主成分回归法（PCR）作为回归算法，构建近红外光谱校正模型。
结果显示，针对感官指标，偏最小二乘回归法的建模效果略优于主成分回归法，其交叉验证决定系数（R cv2）介于 0.83 至 0.97 之间，交叉验证剩余预测偏差（RPD cv）介于 2.47 至 5.79 之间；针对理化指标，偏最小二乘回归模型的交叉验证决定系数（R cv2）与交叉验证剩余预测偏差（RPD cv）则分别处于 0.66~0.89 和 1.72~3.08 的区间。上述研究结果表明，偏最小二乘回归法结合傅里叶变换近红外光谱技术，有望实现红茶感官审评得分及相关品质指标的快速、经济检测，为茶产业应用提供技术支撑。

目前，有关特级初榨橄榄油（EVOO）掺入三种未申报外源油脂复配体系的掺假检测研究在文献中鲜有报道。本研究旨在建立一种适用且高灵敏度的非靶向指纹图谱检测方法，该方法基于衰减全反射傅里叶变换红外光谱技术（ATR-FTIR）结合定性建模，用于检测标准掺假水平（体积分数 20%）下的油脂复配体系 —— 该体系由一种廉价不饱和油脂（红花籽油）与两种高油酸油脂（菜籽油、榛子油）复配而成。
研究以自建的纯正特级初榨橄榄油光谱库作为参照数据源，在多元校正过程中，采用偏最小二乘判别分析（PLS-DA）与类软独立建模法（SIMCA）两种方法，对二阶导数 ATR-FTIR 光谱数据进行异常值筛查。对所得模型开展的逐步外部验证结果表明，该方法对高难度掺假案例（即掺入 5% 菜籽油与 15% 榛子油的样品）的检测灵敏度达 100%。考虑到不同产地、不同收获年份的纯正特级初榨橄榄油在成分上存在天然变异性，且本研究涉及的复配体系成分复杂，各模型仍表现出较高的综合预测能力，预测准确率均超过 92%。研究同时证实，该方法具备向更低掺假水平（体积分数 10%）拓展应用的潜力。

调和油的定量标识已成为保障市场品质安全的关键环节。此外，调和油开封后若需进行大批量检测，会严重损害诚信商家的利益；然而，针对此类场景的调和油快速精准定量检测方法目前仍较为缺乏。
本研究旨在探究共聚焦拉曼光谱技术结合多元统计方法，对未开封三元调和油开展定性与定量分析的可行性。研究选取四种植物油（特级初榨橄榄油、玉米油、菜籽油、葵花籽油）及 198 组三元调和油样品，采用共聚焦拉曼光谱技术分别结合判别分析与偏最小二乘回归法进行分析。对比竞争性自适应重加权采样等变量筛选方法，投影重要性变量法（VIP） 可获得更优的分析准确度。最优预测模型测试集的决定系数（R2）达0.9992，均方根误差（RMSE）仅为1.029%。
通过对共聚焦拉曼光谱检测点位的优化研究，本方法可直接采集到聚对苯二甲酸乙二醇酯（PET）瓶装调和油的纯净拉曼光谱信号，且对调和油中各组分具备良好的定量分析能力。

镰刀菌是一类可产生脱氧雪腐镰刀菌烯醇（DON）的丝状真菌，常侵染小麦、大麦等禾本科小粒谷物。近红外高光谱成像技术（HSI-NIR）凭借其特有的空间识别能力，有望解决谷物批次内的异质性问题，为谷物分选过程中的污染管控提供技术支持。
本研究聚焦于近红外高光谱成像技术（HSI-NIR） 在以下三方面的应用：一是检测镰刀菌损伤粒（FDK）；二是预测谷物中脱氧雪腐镰刀菌烯醇（DON）的含量；三是判别小麦籽粒中 DON 含量是否超过欧盟限量标准。研究人员对 300 粒单粒小麦进行高光谱成像扫描后，通过两种方式获取参考值 —— 一是根据典型真菌侵染症状对籽粒进行分类，二是采用高效液相色谱法（HPLC）测定单粒籽粒中的 DON 含量。在模型校正前，研究采用多种光谱预处理方法筛选有效信息。经外部验证的偏最小二乘（PLS）预测模型结果显示：预测均方根误差（RMSEP）为 6.65 mg/kg，决定系数（R2）达 0.88，剩余预测偏差（RPD）为 3.21。相比之下，分类模型在小麦污染判别方面表现更优：对真菌侵染症状的判别准确率为 85.8%，对 DON 含量是否超欧盟限量的判别准确率为 76.9%。
上述研究结果表明，近红外高光谱成像技术可作为一种适用工具，用于分选 DON 含量超欧盟限量标准的小麦籽粒。