目的:粮食谷物中广泛存在着黄曲霉毒素(AFs)的污染,因此对储存和运输前以及储运过程中粮食受AFs污染的风险进行预测就显得尤为重要。本实验室前期的研究发现,监测AFB1(代表AFs水平)的前体物杂色曲菌素A(Vericolorin A,Ver A)对于评估储存期间谷物受AFs污染的风险有重要意义,实时快检Ver A的方法显得十分重要。然而,目前缺乏Ver A的快速和简便的检测手段。本研究的目的在于,采用近红外光谱(NIR)技术和多元统计方法相互结合,建立玉米样品中VerA的NIR定量检测方法,以实现依据Ver A的污染情况对粮食(玉米)进行在线黄曲霉毒素污染的预警性监测和安全性分选。方法:92个自然样本样品中Ver A的含量真实数据来自经典和权威的高效液相色谱(HPLC)检测技术。样品的预处理采用了先进的Ver A适配体固相萃取亲和柱一步处理法。该Ver A的测量值作为进一步建立模型的参考值。对相同的样品进行近红外光谱数据的采集,对采集到的数据集分别采用偏最小二乘法(PLS)、XGBoost集成学习算法和支持向量机算法进行处理,并运用化学计量学,分别建立对玉米样品中的Ver A的预测模型,并依据惩罚参数c和核参数g对模型进行优化。结果:(1)利用偏最小二乘法模型进行玉米样品中的Ver A含量预测,选择二阶求导预处理方法得到最优的模型,相对分析误差(RPD)为1.50。(2)基于偏最小二乘法模型进行建模变量的筛选,选择多元散射校正(MSC)为预处理方法,最终得到最优的模型RPD为1.54。(3)采用XGBoost集成学习算法成功建立了玉米样品中的Ver A的定量模型,RPD=5.4表明该模型满足用于粮食(玉米)的质量控制的预测准确性需求。另外将未参与建模的10个玉米样品作为模型的外部验证,结果表明HPLC与NIR这两种方法的检测结果之间无显著性差异。(4)采用支持向量机,依据玉米样品中的Ver A含量建立了评估粮食(玉米)安全(在储藏中受AFs污染的风险)级别的二元分选器。对31个样品进行的分选,表明该分选器灵敏度为100.00%,特异性为52.94%,准确率为74.19%。结论:采用近红外光谱技术结合化学计量学方法成功建立了测量玉米样品中的Ver A含量的近红外光谱方法。通过变量筛选和对参数c和g的优化最终得到能够较为准确定量玉米样品中VerA含量的NIR检测方法。所建立的检测方法具有快速、低成本、无溶液和准确的特点。由于方法的简便性(仅需粉碎处理),能满足在线分析的需求,可以作为粮食Ver A在线分析的方法。建立的基于Ver A含量的粮食安全性分选器,能够用于粮食(玉米)的在线安全性(储运中受AFs污染的风险性)分选。