DOI: https://doi.org/10.1016/j.foodcont.2026.112382
تاريخ النشر: 2026-06-12
المؤلف: Elena Cazzaniga وآخرون
الموضوع الرئيسي: الطيفية والتحليلات الكيميائية
نظرة عامة
تتناول هذه الدراسة تحدي توثيق أصناف الأرز، والذي تعقده التنوع الواسع في الأصناف. باستخدام التصوير الطيفي القريب من الأشعة تحت الحمراء (NIR-HSI) مع تقنيات الكيمياء التحليلية، قامت الدراسة بتحليل 47 صنفًا من الأرز—36 إيطالي و11 دولي—من خلال فحص 115 حبة لكل صنف. كشفت النتائج أن الميزات الشكلية تفوقت بشكل كبير على البيانات الطيفية في تصنيف أصناف الأرز، محققة معدل خطأ صافي (NER) بنسبة 94.1% ودقة تصل إلى 96.0% في تصنيفات شكل الحبة. كما عززت النماذج المعتمدة على الشكل الهرمي التمييز، حيث نجحت في فصل 11-12 مجموعة بدقة تتجاوز 93%، وبلغت ذروتها 99.6% في الحالات المثلى. بالمقابل، أسفرت التحليلات الطيفية NIR عن أداء أقل، حيث حقق تحليل PLS-DA القائم على الأميلوز 86.7% NER و91.0% دقة.
تخلص الدراسة إلى أنه بينما يُعتبر NIR-HSI طريقة سريعة وغير مدمرة لتوثيق الأرز، فإن الوصف الشكلي يوفر أساس التصنيف الأكثر موثوقية. تسلط الدراسة الضوء على ضرورة وجود طرق تحليلية فعالة لمكافحة الاحتيال الغذائي، مع التأكيد على إمكانية استراتيجيات التصوير الكيميائي في مراقبة الجودة ضمن سلسلة توريد الأرز. على الرغم من أن دمج البيانات من المتغيرات الشكلية والطيفية لم يُحسن الأداء التنبؤي، تقترح الدراسة استكشاف أساليب التصنيف من فئة واحدة لأصناف الأرز الفردية لفهم أفضل لتشابهاتها واختلافاتها.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الأهمية العالمية للأرز كغذاء أساسي، حيث يتركز 90% من الإنتاج في آسيا، وخاصة في الصين والهند وإندونيسيا. تبرز إيطاليا كأكبر منتج أوروبي، بشكل رئيسي في منطقتي بيدمونت ولومباردي. يُقدّر الأرز لمحتواه العالي من الكربوهيدرات، وفوائده الغذائية، وأهميته الثقافية، حيث تؤثر التفضيلات المحلية لمجموعة متنوعة معينة على الممارسات الطهو. تؤكد الورقة على التنوع الجيني الواسع للأرز، حيث تُعتبر Oryza sativa وOryza glaberrima أكثر الأنواع زراعة.
تُعتبر قضية الاحتيال الغذائي من القضايا الحرجة في صناعة الأرز، حيث يتم تمثيل الأرز منخفض الجودة كأصناف فاخرة، كما يتضح من تلوث أرز بسمتي. لمكافحة ذلك، ظهرت تقنيات تحليلية متقدمة مثل التصوير الطيفي (HSI)، التي تقدم تقييمات سريعة وفعالة من حيث التكلفة ودقيقة لجودة الأرز من خلال التحليل الشكلي والكيميائي. تقترح الدراسة استخدام HSI القائم على الأشعة تحت الحمراء القريبة (NIR-HSI) لتحليل 47 صنفًا من الأرز، باستخدام تحليل المكونات الرئيسية (PCA) وتحليل التمييز القائم على المربعات الجزئية (PLS-DA) للتصنيف. تهدف الدراسة إلى تعزيز فهم أصناف الأرز الإيطالية من خلال نماذج التصنيف الهرمي، مع معالجة فجوة في الأدبيات المتعلقة بتطبيق HSI والكيمياء التحليلية في هذا السياق.
الطرق
توضح قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يتناول المواد المحددة المستخدمة، بما في ذلك مصادرها وطرق إعدادها، بالإضافة إلى إعداد التجربة، الذي قد يتضمن ضوابط ومتغيرات. كما يصف القسم المنهجيات المطبقة لجمع البيانات وتحليلها، مما يضمن إمكانية تكرار النتائج وموثوقيتها.
تسلط النتائج الرئيسية من هذا القسم الضوء على النهج الصارم المتبع للتحقق من الفرضيات التجريبية. تعتبر الطرق المستخدمة ضرورية لفهم سياق النتائج وآثارها ضمن نطاق البحث الأوسع. بشكل عام، يعمل هذا القسم كأساس للتحليل والنقاش اللاحق حول النتائج المقدمة في الورقة.
النتائج
تتوافق نتائج هذه الدراسة مع النتائج من الأبحاث السابقة، مما يشير إلى اتساق في أداء أصناف الأرز المختلفة (Ge et al., 2024; Li et al., 2024; Onmankhong et al., 2022; Sun et al., 2021; Van De Steene et al., 2023; Wang et al., 2014; Weng et al., 2020b). ومع ذلك، فإن المقارنات المباشرة معقدة بسبب اختلاف الأصناف المستخدمة؛ تركز هذه الدراسة بشكل أساسي على الأصناف الإيطالية، بينما تؤكد معظم الأدبيات الحالية على الأصناف الآسيوية.
بالإضافة إلى ذلك، تختلف المنهجيات المستخدمة في هذه البحث بشكل كبير عن تلك في الدراسات السابقة. استخدمت الدراسة الحالية تحليل التمييز القائم على المربعات الجزئية (PLS-DA) مع تعقيدات متفاوتة، تتراوح من نماذج فردية إلى هياكل هرمية، مما يتناقض مع الاستخدام السائد لتقنيات التعلم العميق والشبكات العصبية في الأدبيات. علاوة على ذلك، قامت هذه الدراسة بتحليل طيف الأشعة تحت الحمراء القريبة (NIR) بالكامل دون إجراء اختيار للمتغيرات، مما قد يسهم في الاختلافات الملحوظة في النتائج والتفسيرات.
النقاش
في هذه الدراسة، تم تحليل عينات الأرز من 47 صنفًا، بما في ذلك 36 صنفًا إيطاليًا و11 صنفًا دوليًا، باستخدام التصوير الطيفي لاستكشاف خصائصها الشكلية والكيميائية، مع التركيز بشكل خاص على محتوى الأميلوز. تم تصنيف أصناف الأرز بناءً على مستويات الأميلوز إلى “عالية”، “منخفضة”، و”شمعية”، حيث يتميز الأخير بوجود نسبة عالية من الأميلوبكتين، مما يؤدي إلى قوام لزج. تم التقاط الميزات الشكلية من خلال كاميرا NIR-HSI، وخضعت الصور لعمليات معالجة مسبقة شاملة لتصحيح الضوضاء الخلفية والتشويه المكاني. سهلت هذه العملية استخراج المعلمات الشكلية ومتوسط الأطياف NIR لكل حبة، والتي تم استخدامها لاحقًا في تحليل البيانات الاستكشافية ونمذجة التصنيف.
كشف تحليل المكونات الرئيسية (PCA) عن مجموعات متميزة بين أصناف الأرز بناءً على ميزاتها الشكلية، مع تسليط الضوء بشكل خاص على الاختلافات في شكل الحبة. استخدمت الدراسة تحليل التمييز القائم على المربعات الجزئية (PLS-DA) للتصنيف، مما أظهر فعاليته في التمييز بين الأنواع الشكلية الخمسة وثلاثة مستويات من الأميلوز. تم تطوير نماذج تصنيف هرمية، سواء تلقائية أو يدوية، لتعزيز دقة التصنيف بين 47 صنفًا من الأرز. أشارت النتائج إلى أنه بينما قدم نموذج PLS-DA الفردي أداءً جيدًا، فإن النهج الهرمي قدم أداء تصنيف أكثر توازنًا، مما كان مفيدًا بشكل خاص عند التعامل مع عدد كبير من الفئات. بشكل عام، تؤكد النتائج على إمكانيات التصوير الطيفي وأساليب الإحصاء المتقدمة في تصنيف وتوصيف أصناف الأرز بناءً على خصائصها الشكلية والكيميائية.
DOI: https://doi.org/10.1016/j.foodcont.2026.112382
Publication Date: 2026-06-12
Author(s): Elena Cazzaniga et al.
Primary Topic: Spectroscopy and Chemometric Analyses
Overview
This study addresses the challenge of rice variety authentication, which is complicated by the crop’s extensive varietal diversity. Utilizing near-infrared hyperspectral imaging (NIR-HSI) combined with chemometric techniques, the research analyzed 47 rice varieties—36 Italian and 11 international—by examining 115 grains per variety. The findings revealed that morphological features significantly outperformed spectral data in classifying rice varieties, achieving a 94.1% net error rate (NER) and up to 96.0% class accuracy for grain shape classifications. Hierarchical morphology-based models further enhanced discrimination, successfully separating 11-12 groups with accuracies exceeding 93%, and reaching a peak of 99.6% in optimal cases. In contrast, NIR spectral analysis yielded lower performance, with amylose-based PLS-DA achieving 86.7% NER and 91.0% accuracy.
The study concludes that while NIR-HSI is a rapid and non-destructive method for rice authentication, morphological descriptors provide the most reliable classification basis. The research highlights the necessity for effective analytical methods to combat food fraud, emphasizing the potential of chemometric imaging strategies in quality control within the rice supply chain. Although data fusion of morphological and spectral variables did not enhance predictive performance, the study suggests future exploration of one-class classification approaches for individual rice varieties to better understand their similarities and differences.
Introduction
The introduction of the research paper highlights the global significance of rice as a staple food, with 90% of production concentrated in Asia, particularly in China, India, and Indonesia. Italy stands out as the leading European producer, primarily in the Piedmont and Lombardy regions. Rice is valued for its high carbohydrate content, nutritional benefits, and cultural significance, with various local preferences for specific varieties influencing culinary practices. The paper emphasizes the extensive genetic diversity of rice, with Oryza sativa and Oryza glaberrima being the most cultivated species.
A critical issue in the rice industry is food fraud, where lower-quality rice is misrepresented as premium varieties, exemplified by the adulteration of Basmati rice. To combat this, advanced analytical techniques such as hyperspectral imaging (HSI) have emerged, offering rapid, cost-effective, and accurate assessments of rice quality through morphological and chemical analysis. The study proposes using Near Infrared-based HSI (NIR-HSI) to analyze 47 rice varieties, employing Principal Component Analysis (PCA) and Partial Least Squares-Discriminant Analysis (PLS-DA) for classification. The research aims to enhance the understanding of Italian rice varieties through hierarchical classification models, addressing a gap in the literature regarding the application of HSI and chemometrics in this context.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including their sources and preparation methods, as well as the experimental setup, which may involve controls and variables. The section also describes the methodologies applied for data collection and analysis, ensuring reproducibility and reliability of the results.
Key findings from this section highlight the rigorous approach taken to validate the experimental hypotheses. The methods employed are crucial for understanding the context of the results and their implications within the broader scope of the research. Overall, this section serves as a foundation for the subsequent analysis and discussion of the findings presented in the paper.
Results
The results of this study align with findings from previous research, indicating consistency in the performance of various rice varieties (Ge et al., 2024; Li et al., 2024; Onmankhong et al., 2022; Sun et al., 2021; Van De Steene et al., 2023; Wang et al., 2014; Weng et al., 2020b). However, direct comparisons are complicated due to the differing rice varieties utilized; this study primarily focuses on Italian varieties, whereas most existing literature emphasizes Asian varieties.
Additionally, the methodologies employed in this research differ significantly from those in prior studies. The current study utilized Partial Least Squares Discriminant Analysis (PLS-DA) with varying complexities, ranging from single models to hierarchical structures, contrasting with the prevalent use of deep learning and neural network techniques in the literature. Furthermore, this study analyzed the Near-Infrared (NIR) spectra in their entirety without conducting variable selection, which may contribute to the observed differences in results and interpretations.
Discussion
In this study, rice samples from 47 varieties, including 36 Italian and 11 international varieties, were analyzed using hyperspectral imaging to explore their morphological and chemical characteristics, particularly focusing on amylose content. The rice varieties were categorized based on amylose levels into “High,” “Low,” and “Waxy,” with the latter being characterized by a predominance of amylopectin, resulting in a sticky texture. The morphological features were captured through a NIR-HSI camera, and the images underwent extensive preprocessing to correct for background noise and spatial distortion. This process facilitated the extraction of morphological parameters and average NIR spectra for each grain, which were subsequently used for exploratory data analysis and classification modeling.
Principal Component Analysis (PCA) revealed distinct groupings among the rice varieties based on their morphological features, particularly highlighting the differences in grain shape. The study employed Partial Least Squares-Discriminant Analysis (PLS-DA) for classification, demonstrating its effectiveness in distinguishing between the five morphological types and three amylose levels. Hierarchical classification models, both automatic and manual, were developed to enhance the classification accuracy among the 47 rice varieties. The results indicated that while the single PLS-DA model performed well, the hierarchical approach provided a more balanced classification performance, particularly beneficial when dealing with a large number of classes. Overall, the findings underscore the potential of hyperspectral imaging and advanced statistical methods in the classification and characterization of rice varieties based on their morphological and chemical properties.