本研究探讨了热重分析 - 气相色谱 / 质谱联用技术（TGA-GC/MS）结合化学计量学方法，在橄榄油掺大豆油定性鉴别与定量检测中的可行性。
通过主成分分析（PCA）可实现对纯橄榄油样本与掺假油样本的有效区分。在定量分析环节，研究人员对纯橄榄油及大豆油掺假比例为 25%、50%、75% 的混合油样进行检测分析，并以橄榄油与大豆油中典型特征挥发性氧化产物的峰面积比值为指标，开展最小二乘指数拟合分析。结果显示，1 - 庚烯 / 1 - 辛烯 - 3 - 醇、1 - 辛烯 / 1 - 辛烯 - 3 - 醇、反式 - 2 - 癸烯醛 / 1 - 辛烯 - 3 - 醇、2 - 十一碳烯醛 / 1 - 辛烯 - 3 - 醇这四组特征物质峰面积比值的拟合决定系数（R2）均大于 0.99，拟合效果理想。
据我们所知，本研究首次报道了 TGA-GC/MS 技术在橄榄油掺假检测领域的应用。值得强调的是，本研究提出的新型分析方法兼具非破坏性与无有机溶剂使用的优势。

凡纳滨对虾（又称南美白对虾）是全球范围内一种重要的水产养殖品种，目前市场上虾类制品产地标识不实的问题日益引发关注，其产地溯源的需求尤为迫切。
本研究从中国南、北方 12 个产地采集凡纳滨对虾样本，旨在建立可用于鉴别其地理来源的溯源技术方法。其中，在某一个采样点，研究人员选取了 5 家使用同一水源、但投喂不同品牌饲料的养殖场采集虾样，以此探究饲料对虾体元素组成特征的影响。
研究人员共检测了虾体及饲料中的 35 种元素，具体包括铈、钕、镨、钐、铕、钆、铽、镝、钬、铒、铥、镱、镥、钍、钇、铀、锂、铝、钒、铬、锰、铁、钴、镍、铜、锌、镓、砷、铷、锶、银、镉、铯、钡及铅。结果显示，仅虾体中的镉与铽两种元素含量，与饲料中的对应元素含量呈正相关关系。此外，南、北方产地虾体中的 24 种元素（锂、铝、钒、铁、砷、铷、锶、镉、铅、铈、钕、镨、钐、铕、钆、铽、镝、钬、铒、铥、镱、镥、钍、钇）含量存在显著差异。
研究通过逐步判别分析（SDA）筛选出砷、铁、铅、铷、铯、铀 6 种特征元素，构建特征元素数据集（SSDAs 数据集），并将其与全元素数据集（ATEs 数据集）进行判别分析对比。研究分别采用线性判别分析（LDA）、K 近邻算法（KNN）及随机森林（RF）三种分类方法，基于上述两个数据集构建虾类产地鉴别模型。结果表明，基于特征元素数据集的随机森林模型鉴别效果最佳，其总体正确判别率达 100%，交叉验证正确率为 98.78%，预测判别率达 100%。
综上，元素指纹图谱技术结合化学计量学方法，是一种极具应用前景的虾类产地溯源手段。

本研究评估了多种多元分类方法在短波红外波段（1000–2500 nm）高光谱图像分析中的应用，旨在实现开心果坚果的品质控制，具体聚焦于食用开心果制品中污染物的检测。
实验共设置 6 类物质样本，包括可食用开心果仁、不可食用开心果仁、开心果壳、开心果荚、细小枝条及石子。研究将所有样本划分为训练集与验证集两类，首先通过主成分分析（PCA）对采集的高光谱图像进行特征探索。随后选取四种多元分类方法，验证并对比其分类效率与稳健性，分别为偏最小二乘判别分析（PLS-DA）、主成分分析结合判别分析（PCA-DA）、主成分分析结合 K 近邻算法（PCA-KNN）以及分类回归树（CART）。
从预测图谱及灵敏度、特异度、分类准确率等性能参数数值来看，四种模型的分类效果在多数情况下表现良好。主要误判情况集中于可食用 / 不可食用开心果仁两类之间，以及开心果壳 / 开心果荚 / 细小枝条三类之间，这也验证了主成分分析所观察到的现象 —— 上述类别样本具有相似的光谱特征。
分类性能对比显示，PCA-KNN 模型的预测判别能力最优，分类准确率达 0.92~0.99；PLS-DA 与 PCA-DA 模型紧随其后；而 CART 模型的性能则从校正阶段到验证阶段出现明显下降。
综上，研究证实：短波红外高光谱成像（SWIR-HSI）技术结合多元统计分析建模，是一种极具潜力的技术方案，可用于构建食用开心果中污染物的离线及在线快速、可靠、稳健检测体系。

本研究旨在对比基于体光学特性（BOP）的检测模型与基于传统光谱技术的检测模型，在猕猴桃品质评价中的准确性与稳健性。实验选取 81 个猕猴桃作为样本，搭建单积分球系统以测定样本的体吸收系数（μ a）与约化散射系数（μ s′），同时利用自主研发的在线检测系统获取样本的透射光谱。研究分析了μ a与μ s′两项指标同可溶性固形物含量（SSC）及果肉硬度的相关性，并采用偏最小二乘回归法（PLSR）构建检测模型。此外，通过竞争性自适应重加权采样法（CARS）剔除原始光谱中对模型性能无提升作用的变量。
结果表明：670 nm 波段下的μ a随可溶性固形物含量升高而降低；720~900 nm 及 950~1000 nm 波段下的μ s′随可溶性固形物含量升高而增大；μ s′光谱强度随果肉硬度下降而降低。研究分别基于μ a、μ s′、μ a+μ s′组合参数及透射光谱，构建了 CARS-PLSR 定量分析模型。对比发现，基于体光学特性的模型在预测猕猴桃内部品质时，准确性优于透射光谱模型。其中，基于μ s′的模型对可溶性固形物含量的预测效果最佳（预测决定系数R P2=0.97，预测均方根误差RMSEP=0.25%）；基于μ a+μ s′组合参数的模型对果肉硬度的预测表现最优（R P2 =0.97，RMSEP=0.02 N）。为验证模型的稳健性与适用性，研究选取 20 个种植果园及采收时间均异于实验样本的猕猴桃开展外部验证。结果显示，所有可溶性固形物含量预测模型及基于μ a+μ s′组合参数的果肉硬度预测模型均具备良好的稳健性与适用性；而基于透射光谱的果肉硬度预测模型，在对外部验证集样本进行预测时表现较差。本研究为基于体光学特性及透射光谱技术的猕猴桃硬度与可溶性固形物含量检测，提供了有效参考依据。

食用油在高温环境下会发生多种化学反应，因此，建立一套快速、可靠、多参数、经济且环保的分析方法，对食用油品质进行实时监测具有重要意义。
基于此，本研究聚焦拉曼光谱技术的应用，旨在对四种不同类型食用油（植物油、玉米油、花生油及葵花籽油）在 180℃条件下加热 16 小时的品质变化过程，开展原位实时监测。研究通过测定过氧化值、酸值及总极性化合物（TPC）三项指标，对食用油品质进行综合评估。实验共检测 68 个样本（每种食用油各 17 个），并采用主成分分析（PCA）和偏最小二乘（PLS）回归两种化学计量学方法，对采集的分析数据进行处理。
研究以预测决定系数（R P2）、范围误差比（RER）及剩余预测偏差（RPD）为指标，对所构建的偏最小二乘模型的准确性进行评价。结果显示，该模型在酸值、过氧化值及总极性化合物检测中，分别取得了 12.8、9.3 和 16.5 的范围误差比值，以及 3.4、2.5 和 5.0 的剩余预测偏差值。
所得结果的可靠性分析表明：用于酸值和总极性化合物检测的偏最小二乘模型，可直接应用于食用油的品质控制；而用于过氧化值检测的模型，仅适用于初步筛查。