介绍高价值商品的质量不合格现象，其实并不鲜见，如食品。这些商品可能被无良的供应商掺假，以提高他们的利润。作者：使用傅里叶变换近红外光谱法FT-NIR检测蜂蜜掺假FT-NIR Spectrometry但是很不幸，判断这些商品是否被掺假并不容易。一种通常可能被掺假的高价值产品就是蜂蜜。不诚实的供应商，在产品中添加玉米糖浆，既保留了甜味，外观上又不会产生明显的区别。如果不进行检测，很难判断哪些蜂蜜掺假了，而哪些没有。传统的掺假蜂蜜的检测方法，非常耗时，且费用很高。欺诈性的贴假标签也是一个主要问题。FDA关于蜂蜜标签的规定如下：• 如果某食品只含有蜂蜜，该食品必须命名为“蜂蜜”。• 如果某食品含有蜂蜜和任何其它组分如甜味剂，该食品必须进行相应标注，如“混合蜂蜜和糖”。• 可以注明花源，如三叶草蜂蜜。• 任何不是纯蜂蜜的产品，不能被标注为“蜂蜜”。

傅里叶变换近红外光谱法（FT-NIR）提供了一种快速、准确度高的测试方法，可以进行蜂蜜中掺杂物的检测。为了优化该技术的有效性，对不同的数据模型方法进行了测试。

掺杂物检测的数据分析方法产品中掺杂物的检测可以是靶向的或者非靶向的。靶向方法中，如偏最小二乘法（PLS），掺杂物是产品中需要找出的某种特定的物质。通过一系列的校准标准物建立校准模型，就可以对这种掺杂物进行定量检测。每一种掺杂物质都需要一个单独的校准曲线。常见的非靶向方法，如簇类的独立软模式方法（SIMCA），会告诉分析者该产品是否符合预期的材料标准。它会指出这个产品可能被掺假，但是无法告知掺杂了什么、掺杂了多少。S p e c tr um10红外光谱软件的掺杂物筛查算法（Adulterant Screen™），当判断出产品不合格时，会确定掺杂物并估计掺杂物的浓度。这种算法并不需要对不同浓度的已知和潜在掺杂物进行大量繁琐耗时的测量，这样就可以快速开发出掺杂物筛查方法，以及快速针对新掺杂物进行方法升级。

实验部分近红外光谱数据使用PerkinElmer Frontier™近红外光谱仪收集。将蜂蜜样品倾倒在样品盘中，将样品盘放在NIRA II反射附件的顶部，并在样品的上面放置透反射附件。光谱在8cm-1分辨率的条件下采集，扫描时间为30秒。下列纯样品的光谱进行了检测：• 三叶草蜂蜜• 野花蜂蜜• 橙花蜂蜜• 有机蜂蜜• 玉米糖浆• 大米糖浆每个纯物质都重复采集了十次光谱。接下来，使用玉米糖浆稀释纯物质到以下浓度：• 三叶草蜂蜜 ♦ 0%, 2%, 4%, 6%, 8%, 10%, 12%, 14%, 16%,18%,20%, 30%, 40%, 50%, 60%, 70%, 80%,90%, 92%,94%, 96%, 98%, 100%• 野花蜂蜜 ♦ 0%, 20%, 40%, 60%, 80%, 100%• 有机蜂蜜 ♦ 0%, 20%, 40%, 60%, 80%, 100%更多的稀释样品作为方法的验证样品，也进行了制备：野花、橙花、三叶草和有机蜂蜜进行了2次单独稀释

实验结果图1包含了掺有不同浓度蜂蜜（0%蜂蜜即为玉米糖浆）的三种不同样品的谱图。在这样的高浓度下，光谱的差异非常明显。二阶导数谱可以更快速的确认光谱差异，并可消除光谱基线偏移和倾斜的影响。

图8显示了掺杂有玉米糖浆的蜂蜜样品的详细掺杂物筛查分析结果。结果显示了样品中玉米糖浆的估计值。该方法对这种掺杂物的检出限为4%左右。如果掺杂物和蜂蜜光谱显著不同，其检出限会大大降低。

结论这篇应用报告中的数据表明，使用NIR光谱法对蜂蜜进行掺假检测是可能的。NIR制样快速简便。如果掺杂物已知，可以使用PLS模型进行定量分析。但是，这需要繁琐的校准标准品的制备过程。掺杂物筛查方法比SIMCA方法灵敏度更高，且可以判断掺杂物种类并估计其含量，而且并不需要大量校正标准品。最后，这个方法可以被集成到一个简单的用户界面，方便常规用户使用。