摘要

山药在中国广泛用于烹饪和药用。然而，粉末状时常常被掺假。本研究提出了一种新型分层建模策略，整合便携式近红外红外（900–1700 nm）以快速检测山药粉掺假。首先，使用了38个纯山药样本、96个玉米淀粉掺假样本和96个木薯淀粉掺假样本，建立了PLS-DA模型，实现了100%的分类准确率。随后，开发了两个PLSR模型，分别预测玉米淀粉和木薯淀粉的掺假水平。通过光谱预处理和变量选择，玉米淀粉掺假PLSR模型得到r瓦尔0.9979，RMSEP为1.29%，RPD为15.40; 而木薯淀粉掺假PLSR模型则达到了R。瓦尔为0.9934，RMSEP为1.83%，RPD为8.74，均显示出出色的预测能力。 结果表明，便携式NIRS结合分层建模策略，成功实现了山药掺假的快速检测。

引言

山药（Dioscorea opposita Thunb.）是薯蓣科的一种多年生根茎植物，在中国有商业化种植。与其他栽培山药不同，中国山药的根茎细长笔直，味道更为温和（图1）。其可食用部分几乎完全为块茎或根茎，既可新鲜食用，也可加工后食用。新鲜山药通常通过煮、烤、炸或捣成泥等方式食用。加工产品包括山药粉、片状物、淀粉、薯片以及预包装的冷冻或干燥切片（图1）。

图（1）

Fig. 1. Pictures of fresh Chinese yam, dried yam slices, pure yam, corn starch and cassava starch powders. Note: these photos are color photos, and the sample container is a transparent glass culture dish with an outer diameter of 9 cm and an inner diameter of 8.6 cm.

作为一种著名的食品和草药，山药已有数千年的历史，被用于增强脾脏和胃的功能。在当代中国，山药不仅因其显著的药理活性而成为重要的药材，也因其丰富的营养价值和健康益处而深受大众喜爱。这种独特地位源于其多种生物活性成分，如多糖、氨基酸、脂肪酸、矿物质、微量元素和维生素。因此，在全球功能性食品市场迅速发展的背景下，山药凭借其兼具药用与食用价值的独特属性，作为具有巨大潜力的天然原料，受到广泛关注，以满足人们对健康导向产品的需求。

山药粉因其即食的便利性而广受欢迎。然而，受成本降低和利润最大化驱动，一些不法商贩在销售过程中常常对山药粉进行掺假。这种掺假行为显著降低了产品的纯度，严重损害了其宣称的保健功效，并减少了多糖、氨基酸和矿物质等关键营养成分的生物利用度，直接威胁到山药制品的质量与安全。掺假是食品和草本行业中的一个主要问题，已影响到天然产品的商业化应用。常见的经济动机掺假物，如廉价的玉米淀粉和木薯淀粉，在外观上与真正的山药粉极为相似（图1），使得通过目测或人工方式难以区分。

因此，检测此类掺假对食品或草药从业者而言是一项重大挑战。传统方法包括感官评价、化学分析和微生物检测，虽然准确，但通常需要复杂的样品前处理，涉及繁琐的提取与纯化步骤，且耗时费力。这些局限性限制了其在高通量分析中的应用。随着机器学习技术的发，以及光谱分析具有快速、无损、绿色、便捷等优势，结合化学计量学与机器学习的光谱分析在食品掺假检测中展现出强大的应用潜力。常用的光谱方法包括红外（IR）、近红外（NIR）、拉曼、核磁共振（NMR）和荧光光谱，以及多光谱和高光谱成像。

具体而言，近红外光谱（NIRS）是一种基于分子振动的吸收光谱分析技术，其波长介于可见光与中红外光之间（通常为780–2500 nm）。该技术通过测量样品对近红外光的吸收和散射，快速、无损地获取内部有机化合物（如含氢基团C-H、O-H、N-H）的组成和结构信息（Chen & Wang, 2019）。近红外光谱在掺假检测方面具有多种优势。已有研究采用FT-NIR光谱结合PLS-DA-SVM方法完成了信阳毛尖茶的掺假检测；另有研究利用FT-NIR光谱结合化学计量学实现了姜粉掺假的快速检测；此外，还采用近红外光谱结合分层多类建模策略，对未成熟香蕉粉中的掺假成分进行了检测与定量分析。与台式近红外仪器相比，便携式近红外光谱仪在快速定量检测运动营养补充剂中三聚氰胺掺假方面仍保持了良好的判别能力。此外，便携式近红外分光光度计还成功用于检测掺假姜黄中的淀以及阿萨拉果（Malpighia emarginata DC.）果肉中的掺假成分。然而，利用近红外光谱技术对山药粉掺假进行快速检测的研究仍然有限。

主要内容

为满足现场监测与分析的需求，本研究探讨了便携式近红外光谱技术在山药掺假快速检测中的应用。由于玉米淀粉和木薯淀粉价格低廉且外观与山药粉相似（图1），因此分别与山药粉混合制备成二元掺假样品。与以往研究主要在模型构建阶段仅针对单一掺假物进行识别或定量不同（Cheng等，2025；Madhusudan等，2024），本研究提出了一种新的分层建模策略：

a）建立偏最小二乘判别分析（PLS-DA）模型，用于将样品分类为纯山药粉、玉米淀粉掺假或木薯淀粉掺假；

b）分别构建两个独立的偏最小二乘回归（PLSR）模型，用于定量预测玉米淀粉和木薯淀粉的掺假比例。

在此框架下，未知样品首先通过PLS-DA模型进行分类，随后根据其所属类别调用相应的PLSR定量模型，以预测具体的掺假比例。

注：本文为转载，如有侵权，请联系后台删除。