本研究建立了一种可对三种不同品牌奶粉中三聚氰胺含量进行定性检测与定量分析的方法，该方法基于图像数据库训练卷积神经网络（CNN）实现目标检测。
所选的三款奶粉分属不同品牌，不仅脂肪含量存在差异，其目标消费群体也按年龄段划分。研究通过精准称重的方式向奶粉中添加微量三聚氰胺制备掺假样本，同时纳入了被认定为 “无三聚氰胺” 的空白样本 。实验共采集 3100 张样本图像用于卷积神经网络模型训练（每组待分类样本对应 100 张图像），并具体采用 残差网络 34 层模型（ResNet34） 架构开展分类任务。
在该深度学习方案中，样本图像被随机划分为两个部分：90% 的图像用于卷积神经网络的训练与验证阶段，剩余 10% 作为盲测集。优化后的模型在验证阶段的总体分类准确率达 98.7%，盲测阶段的误判率仅为 3.0%。这一结果表明，该方法可作为乳制品行业一种高效的品质与安全管控手段。

本研究旨在评估近红外高光谱成像技术（NIR-HSI）结合化学计量学方法，对单粒小麦中脱氧雪腐镰刀菌烯醇（DON）含量进行定量检测的可行性。
研究共采集 120 粒小麦籽粒，分为重度病斑粒（SDKs）、中度病斑粒（MDKs）和无症状粒（AKs）三类，采用 高效液相色谱 - 串联质谱法（HPLC-MS/MS） 测定单粒籽粒中的脱氧雪腐镰刀菌烯醇含量。分别构建偏最小二乘（PLS）、支持向量机（SVM）及基于全局偏最小二乘得分的局部偏最小二乘（LPLS-S）三种定量模型。
结果显示，重度病斑粒与中度病斑粒的脱氧雪腐镰刀菌烯醇含量可能较低甚至未检出，而无症状粒反而可能含有较高含量的该毒素。对比三种建模方法，采用混合光谱数据的LPLS-S 模型表现最优，其预测均方根误差（RMSEP）为 40.25 mg/kg，剩余预测偏差（RPD）达 2.24。
上述研究证实，近红外高光谱成像技术可作为单粒小麦脱氧雪腐镰刀菌烯醇含量检测的有效手段，且能够在小麦进入食品供应链前，助力筛除高污染籽粒。

鹌鹑蛋是重要的天然营养素来源之一，富含蛋白质、抗氧化物质、钙、铁及磷等营养成分。然而，其品质检测方法不仅操作繁琐且需耗用化学试剂，目前尚无评估其新鲜度的标准方法。本研究旨在探究便携式近红外光谱仪结合机器学习算法，实现鹌鹑蛋新鲜度快速检测的可行性。
鉴于当前缺乏统一的鹌鹑蛋品质分级标准，本研究选取哈夫单位（HU）、 蛋黄指数（YI）及鸡蛋品质指数（EQI）作为参考指标开展对比分析。研究分别采用偏最小二乘回归（PLSR）与支持向量机回归（SVMR）构建新鲜度预测模型，同时运用偏最小二乘判别分析（PLS-DA）与支持向量机分类（SVMC） 建立品质分类模型。
本研究首次证实， 鸡蛋品质指数（EQI） 是表征鹌鹑蛋新鲜度的最优指标 —— 该指数基于蛋黄与蛋清的品质综合评定蛋品新鲜度。以蛋黄指数（YI）与鸡蛋品质指数（EQI）为参考指标时，支持向量机回归（SVMR）模型表现最优，剩余预测偏差（RPD）达 2.0~2.5，相对误差比值（RER）大于 10，表明模型具备良好的预测性能。偏最小二乘判别分析（PLS-DA）与支持向量机分类（SVMC）模型的分类性能相近，对样本的正确识别率均超过 80%。
研究结果表明，便携式近红外光谱仪在鹌鹑蛋贮藏期间的新鲜度监测领域具有良好的应用潜力。

玉米中黄曲霉毒素与伏马毒素的污染分布具有非均一性，因此玉米大样检测结果难以精准反映真实的污染水平。单粒检测法为解决这一问题提供了有效方案，还能为籽粒分选等污染治理策略提供技术支撑。
本研究通过大量单粒玉米的黄曲霉毒素（AF）与伏马毒素（FM）含量测定，达成两大研究目标：
揭示单粒玉米毒素污染的偏态分布特征，计算样本的毒素污染加权合计值，并将其与大样检测结果进行对比分析；
优化单粒玉米毒素污染的分类算法性能。
研究选取 9 份玉米大样中的 864 粒自然污染籽粒为试验材料，对每粒玉米分别进行两次紫外 - 可见 - 近红外光谱（304 nm—1086 nm）反射率扫描；随后将籽粒粉碎，采用 酶联免疫吸附测定法（ELISA） 检测黄曲霉毒素与伏马毒素含量。结果显示，单粒玉米的毒素污染分布具有显著非均一性：黄曲霉毒素含量≥20 ppb 的籽粒占比 1.0%（共 7 粒），含量范围为 0—420000 ppb；伏马毒素含量≥2 ppm 的籽粒占比 5.0%（共 45 粒），含量范围为 0—700 ppm。
研究人员计算得到单粒毒素污染加权合计值，并与大样检测结果对比。分析表明，两种检测方法所得真菌毒素含量的平均差值为：黄曲霉毒素 0.0 log (ppb)、伏马毒素 0.0 log (ppm)，不存在系统性偏差；但差值波动范围较大，黄曲霉毒素差值区间为 - 1.4~0.7 log (ppb)，伏马毒素差值区间为 - 0.6~0.8 log (ppm)。
研究以 70% 的籽粒样本作为训练集，构建分类算法以区分毒素含量≥20 ppb 的黄曲霉毒素污染籽粒与≥2 ppm 的伏马毒素污染籽粒，剩余 30% 样本作为测试集验证模型性能。结果显示：
针对黄曲霉毒素的分类，随机梯度提升模型表现最优，训练集与测试集的分类准确率均达 0.83，灵敏度（Sn）为 0.75，特异度（Sp）为 0.83；
针对伏马毒素的分类，惩罚判别分析模型性能优于其他算法，训练集准确率为 0.89（Sn=0.87，Sp=0.88），测试集准确率为 0.86（Sn=0.78，Sp=0.87）。
本研究夯实了玉米单粒黄曲霉毒素与伏马毒素分类检测的技术基础，可进一步应用于高通量筛查场景。研究证实了单粒层面玉米真菌毒素污染的非均一性特征，对比了基于单粒检测数据计算的大样污染水平与传统大样检测结果的差异，并验证了利用紫外 - 可见 - 近红外光谱系统，依据毒素含量水平实现单粒玉米分类的可行性。

在涉及多道处理工序与混合工艺的三文鱼复合涂抹酱这一延伸型鱼制品价值链中，氧化反应与微生物腐败可在任意环节发生，并进一步加速产品变质。这类问题尤其容易出现在以三文鱼原料肉加工制备复合乳化制品的过程中。
为探究该价值链中特定变量的影响机制，本研究设计并开展了一项模型试验。该试验将价值链划分为鱼饲料配方、鱼肉加工、涂抹酱生产、成品储存四个阶段。本研究基于此试验案例，旨在实现以下三个目标：
阐明如何运用方差分析（ANOVA）与多元统计分析方法，对复杂的裂区试验设计数据进行解析；
阐明多种分析方法的协同应用，如何助力提升试验结果的解读深度与验证可靠性；
筛选出受试验设计变量影响最显著的品质标志物，并据此针对不同原料特性优化响应值检测方案。
同时，本研究基于主成分分析（PCA）结果，提出了若干新型监测与质控策略。
本案例分析表明：选用新鲜低脂的三文鱼肉块、在超低温冷藏条件下储存成品、避免添加次级水产配料，均有助于延长涂抹酱的保质期。鱼饲料配方变量对涂抹酱的食用品质无显著影响；加工前期添加烟熏成分、以及三文鱼加工时的尸僵状态，对食用品质的影响也较小。对于这些不影响食用品质与保质期的变量，可基于营养价值、健康效益或生产成本等方面的需求进行优化调整。
本文研究证实，主成分分析（PCA）是一项实用性极强的技术手段，不仅可用于监测食用品质随储存时间的变化规律、界定产品合格性的质控限值，还能为裂区方差分析的结果提供统计学层面的验证支持。