虽然被证明是有效的，但这些方法可能被批评为具有破坏性、耗时且需要专业的仪器培训。多光谱成像(MSI)和高光谱成像(HSI)领域的进步促进了紧凑型成像平台的开发，该平台能够根据表面颜色、质地和化学成分快速区分一系列材料（包括谷物和种子）.这项初步调查评估了光谱成像在鉴定和定量硬粒小麦谷物样品与意大利面真实性方面的适用性。

MSI和HSI能够快速区分硬粒小麦和掺假的普通小麦品种，并确定以低偏差和良好的可重复性估计为特征的掺假百分比水平。结果证明了基于光谱成像的种子/谷物掺假测试的潜力，以增强用于食品真实性测试的现有标准分子方法。

图1.使用VideometerLab 2系统生成的示例图像：(a)100% 硬粒小麦；(b)100% T. aestivum 小麦粒；(c) 10% 的硬粒小麦与普通小麦粒掺假。

100% 硬粒小麦和普通小麦阳性对照样品用于基于它们各自的光谱特征生成归一化典型判别分析(nCDA)转换模型。该模型应用于由21个盲测样本组成的小组，并根据模型对图像中每个谷物的光谱特征与硬粒小麦或普通小麦模型的匹配程度的评分返回结果（图 1）。

定量数据（图2）显示与指定的掺假百分比值非常一致，正如预期的那样，最低百分比掺假样品的精度较低。具有立法重要性的3%掺假样本显示出小的正偏差（样本估计为 4.67%，95% 置信区间为 ±1.43%），相关变异系数 (CV) 为 12.37%。

图2.MSI 平台比较数据显示计算出的平均掺假百分比

图3.使用HySpex VNIR-1600 仪器和ENVI软件生成的示例图像（基于 SAM 的分析）。(a) 100% T. durum样品，(b)100% T. aestivum样品和(c) 3%掺假样品。

使用光谱角映射器分类(SAM)对21个盲测样本进行图像处理基于方法来生成所需的光谱分类模型，如图3所示。实验数据显示与指定的掺假百分比值非常一致（图2）。对立法上重要的3%掺假样本类型的分析显示出小的正偏差（样本估计为3.65%，±1.41%的95% 置信区间），给出相关的变异系数 (CV)15.50%。

获得的结果具有低偏差和良好的可重复性估计的特点，与使用实时 PCR发布的数据相比较。虽然光谱成像提供了优于替代方法的关键优势，例如其非破坏性和高通量分析的适用性，但应进行进一步的工作以评估其他性能特征（例如检测限）和对其他食品基质的适用性。这将为光谱成像的适用性提供额外的证据，以作为食品真实性测试的快速筛选方法。