大米（Oryza sativa L.）是人类消费最重要的谷物之一，仅次于小麦和玉米，在经济和社会方面都发挥着战略作用。根据美国农业部（USDA）的数据，2023/2024年度全球大米产量约为5.18亿吨，中国、印度和孟加拉国是主要的生产国。联合国粮食及农业组织（FAO）的数据显示，约89.6%的产量来自亚洲，全球十大大米生产国均位于该地区。巴西是唯一一个年产量超过1000万吨的非亚洲国家，在全球排名中位列第11位，是美洲最大的大米生产国。大米与豆类一起成为巴西国民饮食的主要支柱，在农业产业部门具有重要的经济意义[1]、[2]、[3]、[4]、[5]、[6]。
巴西大米的官方分类由农业、畜牧业和供应部（MAPA）2009年2月16日的第6号规范指令规定，该指令确立了大米商业化和检验的标准。根据这一规范，大米被分为四个层级：组、亚组、类别和类型。分类依据的是米壳的存在情况，将其分为糙米和精米。亚组则根据加工方式确定，糙米进一步分为天然糙米和蒸煮糙米；精米包括糙米、抛光米、蒸煮糙米和蒸煮抛光米。类别依据米粒的尺寸特征（如长度和长宽比），分为短粒、中粒、长粒和细长粒。类型则反映了产品的商业质量，基于物理缺陷（如碎米、污渍、霉变、粉状、损坏、条纹或黄色米粒）的最大允许限度，以及碾磨过程中产生的外来物质和米粒碎片。类型从1型（最高质量）到5型递增，每种类型的允许限度逐渐提高。这一分类框架旨在确保巴西大米销售的标准化和透明度[7]。
巴西消费最多的大米是1型，属于细长粒类别，其特征是米粒长度大于或等于6毫米，宽度小于或等于1.9毫米，长宽比至少为2.75毫米。要被归类为1型大米，产品必须符合严格的物理缺陷容忍限度，如碎米粒和米粒碎片。这种分类与产品的优质特性密切相关，因此1型大米成为食品欺诈的常见目标[7]、[8]。食品欺诈是指故意欺骗消费者以获取经济利益的行为，可能包括原材料的替换、添加或稀释，以及标签信息的伪造[9]、[10]、[11]、[12]。在大米领域，这通常表现为将碎米粒和/或米粒碎片以超过允许比例的方式混入产品中，从而误导消费者并损害产品真实性。MAPA的多次行动揭示了这些行为的严重性，例如在圣保罗市查获标为1型的5型大米，从超市中撤下10,500公斤质量不符的大米，以及圣保罗市和联邦区打击食品欺诈的联合行动[13]、[14]、[15]。
在抛光精米1型大米中，米粒碎片（由碾磨过程中米粒破损产生）和碎米粒（长度不足相应类别完整米粒四分之三的米粒）的最大含量分别应不超过0.5%和7.5%。MAPA采用基于机械分离的方法，使用校准筛子和测量秤等简单仪器，采样和定量程序基于形态学标准。重点在于识别产品的物理缺陷，并根据碎米粒和米粒碎片的百分比进行分类，符合最大容忍限度[7]。
为提高食品安全，人们不断探索新的分析方法来检测和预防大米欺诈。在这方面，已经开发了多种技术用于品种鉴定、地理来源识别和掺杂检测。色谱、光谱、同位素、分子、DNA分析，以及最近的计算机视觉和机器学习方法已被广泛使用[11]、[16]、[17]、[18]、[19]、[20]。尽管计算机视觉在谷物分析方面取得了显著进展，尤其是多光谱和高光谱图像的应用，但大多数研究仍依赖于复杂的处理步骤，如单个米粒的分割和边缘检测。对于机器学习，所使用的模型需要仔细调整超参数。尽管这些策略可以达到高精度，但其实际应用受到技术基础设施和专业知识的要求，限制了其普及性和可重复性[21]、[22]、[23]。鉴于这些限制，无损方法如近红外光谱和数字图像分析因其实用性、速度和符合绿色化学原则而备受关注。特别是基于数字图像并结合化学计量学模型的方法，不仅具有高灵敏度和鲁棒性，而且采集系统成本低廉，适用于工业应用和现场检测[10]、[17]、[24]、[25]。
在这种情况下，基于化学计量学辅助的颜色直方图分析系统（CACHAS）[26]展示了使用智能手机、扫描仪、数码相机和网络摄像头等便携设备对各种食品基质（包括大米）的化学和物理化学性质进行分类或量化的能力[17]、[27]、[28]、[29]。Izquierdo等人（2020）[29]使用卷积神经网络（CNN）对数字图像进行处理，对五种西班牙大米品种进行了分类和鉴定。Pradana-López等人（2021）[17]也应用CNN对在暖光下拍摄的数字图像进行分析，以鉴定日本大米品种是否掺杂了价值较低的品种。Arslan等人（2022）[27]开发了一种与智能手机连接的比色传感器，用于区分掺杂了不同比例低质量白米的优质巴斯马蒂大米样本。尽管这些研究取得了成功，但它们仅限于同时评估单一掺杂物的混合物，限制了模型的通用性和在实际多掺杂物场景中的应用。单类分类（OCC）对于克服这些限制至关重要，特别是在欺诈和食品真实性研究中，因为它可以独立地对目标类别的样本进行表征，而不依赖于其他类别的特征[25]、[30]。据我们所知，数据驱动的软独立建模类比（DD-SIMCA）尚未与基于数字图像的方法结合，用于基于巴西市场质量参数鉴定1型大米中的掺杂情况。因此，本研究首次应用CACHAS方法快速鉴定1型大米样本，并检测其中是否掺杂了碎米粒和米粒碎片。
