香辛料是食品造假的重灾区，它们的供应链复杂、售价高昂，并且通常以粉末或颗粒形式出售，因此不法商贩会掺加更便宜、难以区分的相似材料获取高额利润。

橄榄叶和香桃木叶与牛至叶外观相似，但是价格更低。近年来，有关机构对商店出售的牛至叶进行研究表明：近四分之一的样品含有非牛至叶成分。按重量计算，掺假程度范围可达到30%至70%。

一般的掺假鉴别，可以使用液相色谱-质谱仪(LC/MS)分析来检测，香辛料(例如红辣椒)的纯度可以通过气相色谱来确定，但这些方法在样品制备方面需要耗费大量的时间和精力。也可以使用光学显微镜进行分析，但单个小颗粒的识别和计数非常繁琐。

高光谱成像 (HSI) 系统与机器学习算法相结合的新方法，可以快速检测样品中是否存在非牛至叶的成分，并进行量化分析计算含量。

一、牛至叶分析

最近，Headwall Photonics进行了一项牛至叶成分测试，样品中掺杂了法国百里香和香桃木的样品，在扫描台上使用MV.C NIR高光谱成像仪(光谱范围为900-1700 nm)进行扫描，并在perClass Mira软件中进行数据的获取与分析，选择牛至叶像素来创建牛至类，在对牛至叶图像进行调查时，伪彩色RGB分类图像显示了样品中多个非牛至叶掺杂的区域(粉红色区域)，掺杂物的光谱与牛至叶明显不同，如下图所示。

左图：牛至叶RGB图像 ，右图：掺假的高光谱图像伪彩色分类

蓝色曲线：牛至叶   红色曲线：掺杂物

将这些像素的一部分样本作为掺杂类别，并建立新的分类模型。这些掺杂物无法通过肉眼识别，甚至无法使用高分辨率RGB图像来识别。但是通过高光谱技术，可以检测到掺杂物。

通过添加法国百里香和普通香桃木叶(两种常见掺杂物)的纯净光谱数据，该模型得到了进一步改进，可以产生量化结果并在几秒钟内做出质量决策。

二、辣椒分析

在完整的叶片中，有经验的专业人员通过触摸嗅闻等方式或许也可分别出是否掺假，但是对于粉末状物体却无能为力。对于磨碎的香料，可以添加更多类型的添加剂来掩盖产品的真实等级。染料、粉笔、粘土和种子粉通常作为掺杂物添加到红辣椒粉中。

在Headwall Photonics进行的一项内部研究中，收集了红辣椒和红粘土，并以不同的质量百分比浓度组合在一起。然后在扫描台上使用MV.C NIR高光谱成像仪扫描这些粉末，并在perClass Mira软件中进行数据的获取与分析。

不同浓度的红辣椒与粘土样品

机器学习模块可在多种不同的已知浓度上进行训练，建立的回归模型能够高度估计红辣椒测试样品的浓度。

使用perClass Mira软件创建的回归模型的准确性

通过样品的采集，训练perClass Mira的模型并部署在产线上 ，可以实时估计香辛料中净含量的比例。

三、总结

与液相色谱-质谱仪(LC/MS)、傅里叶红外光谱仪(FTIR)和其他实验室技术不同，使用Headwall的高光谱成像系统不需要专业知识，即可通过perClass Mira软件进行光谱分类，找出掺杂物存在的证据，并且软件还提供了检测未知掺杂物和添加剂的工作流程，使评估草药和香辛料质量的任务变得简单。

网络视频会议回放链接：

https://register.gotowebinar.com/recording/7625158656736549980