基于共聚焦显微拉曼光谱技术的黑龙江粳稻产地溯源模型构建

本研究针对黑龙江地理标志粳稻产地鉴别难题，创新性地结合共聚焦显微拉曼光谱（Confocal microscopy Raman spectroscopy）与化学计量学方法，建立了五产区（方正、查哈阳、建三江、响水、五常）溯源模型。通过优化样本处理条件（精米状态）和光谱采集参数（785 nm激光/50%强度），采用Nor+SG+MSC预处理组合，结合BPSO算法筛选1899个特征波长变量，构建的BPSO-GA-SVM模型测试集准确率达86.67%，为窄域农产品溯源提供了快速无损检测新方案。

　　

黑龙江作为中国最大的粳稻生产基地，其地理标志产品如五常大米因独特品质享誉全国，但市场上以次充好的现象严重损害消费者权益。传统溯源技术如稳定同位素分析、DNA指纹等存在操作复杂或成本高等局限，而光谱技术凭借快速无损优势成为研究热点。共聚焦显微拉曼光谱技术结合了微米级空间分辨率与分子指纹识别能力，但在窄域农产品溯源中的应用仍面临样本差异微小、特征提取困难等挑战。

黑龙江八一农垦大学的研究团队在《Scientific Reports》发表论文，系统研究了黑龙江五地粳稻的拉曼光谱特征。通过采集150份田间样本，优化出精米状态为最佳检测样本，确定785 nm激光/50%强度为关键参数，采用Nor+SG+MSC预处理组合消除基线漂移。创新性应用离散二进制粒子群优化（BPSO）算法筛选1899个特征波长，构建的BPSO-GA-SVM模型准确率显著优于传统PLS-DA方法，其中五常和响水稻样实现100%正确分类。

关键技术包括：1) 共聚焦显微拉曼光谱采集（Renishaw inVia系统）；2) 竞争性自适应重加权采样（CARS）与BPSO特征选择；3) 遗传算法优化的支持向量机（GA-SVM）建模；4) 肯尼斯通（KS）算法划分训练/测试集。

样本处理与参数优化

研究发现精米状态光谱信号稳定性显著优于糙米或粉末（图1），785 nm激光有效规避532 nm的荧光干扰（图2），50%激光强度平衡了信号强度与样本损伤风险（图3）。

光谱特征解析

478 cm^-1处的葡萄糖环振动和942 cm^-1的α-1,4糖苷键特征峰（图6，表1）是区分产地的关键分子标记，1670 cm^-1的酰胺I信号反映谷蛋白含量差异。

模型性能比较

BPSO-GA-SVM模型以86.67%准确率领先（表4），其混淆矩阵（图10）显示建三江与查哈阳样本存在交叉误判，可能与两地气候带重叠（II-III积温带）导致的生化组成相似有关。

该研究首次将共聚焦显微拉曼技术应用于省级尺度粳稻溯源，提出的BPSO-GA-SVM框架为窄域农产品鉴别提供了新范式。尽管品种差异可能影响模型泛化能力，但该方法无需复杂前处理、15秒/样本的检测速度显著优于传统技术。未来通过扩充样本量和引入深度学习，有望进一步提升模型鲁棒性，为地理标志保护提供技术支撑。