基于电子鼻与高光谱系统的轻量级逐步融合网络实现枸杞原产地精准溯源

针对传统枸杞原产地鉴定方法主观性强、破坏样本等问题，东北电力大学团队开发了集成电子鼻(e-nose)与高光谱成像系统(HIS)的非破坏性检测平台，提出轻量级逐步融合网络AxisFormer。该模型通过轻量化双路径特征处理模块(LDPB)和多模态因子分解双线性池化(MFB)实现气体-光谱数据高效融合，在六产地枸杞分类中达到99.07%准确率，为农产品质量检测提供了创新解决方案。

　　

枸杞作为中国传统药食同源作物，富含氨基酸、脂肪酸及微量元素，具有明目、增强免疫力等功效。然而，不同产地的气候环境差异导致其品质参差不齐。目前主流的原产地鉴定方法——人工鉴别和理化分析——不仅耗时费力，还会破坏样本。虽然电子鼻能通过挥发性成分反映内部组成，高光谱技术可捕捉表面化学特征，但单一传感维度难以全面评估品质。如何整合多源信息实现精准溯源，成为农产品质量检测领域的关键挑战。

东北电力大学自动化工程学院的研究团队在《Sensors and Actuators A: Physical》发表研究，构建了电子鼻-高光谱融合检测平台，提出名为AxisFormer的轻量级逐步融合网络。该研究采集了宁夏中宁、青海柴达木等六大主产区的枸杞样本，通过双路径架构分别处理气体与光谱数据：轻量化双路径特征处理模块(LDPB)提取局部特征，结合Transformer捕捉全局关联，最后经多模态因子分解双线性池化(MFB)实现跨模态交互。与现有模型相比，AxisFormer以更少计算量实现98.71%精确度，为农产品质量检测提供了新范式。

关键技术包括：1) 搭建电子鼻-HIS多传感器平台获取气体-光谱数据；2) 设计LDPB模块进行轻量化特征提取；3) 采用MFB算法融合多模态特征；4) 构建CNN-Transformer混合架构实现局部-全局特征协同。样本来自中国六大地域（北纬35°00'–45°10'，东经81°44'–128°16'），涵盖干旱盆地、高原等多种生态区。

Wolfberry samples
研究团队采集了涵盖中国东西部六大产区的枸杞样本，这些地区年日照超2500小时，昼夜温差显著，为研究地理标志产品特征提供了理想样本。

Data preprocessing and visualization
主成分分析(PCA)显示，原始融合数据存在类间重叠严重、类内差异大的问题。经AxisFormer处理后，类内离散度显著降低，不同产地样本在特征空间呈明显聚类，证明模型能有效提取鉴别性特征。

Conclusion
该研究突破传统分阶段处理的局限，通过AxisFormer实现端到端特征融合：1) 双路径架构充分挖掘气体数据的时序特性和光谱数据的空间特性；2) 轻量化设计使模型参数量仅2.1M，推理速度达137样本/秒；3) 在六分类任务中F1-score达98.71%，较传统PLS模型提升23.6%。

讨论指出，该方法不仅适用于枸杞溯源，其模块化设计可扩展至其他农产品检测。研究获吉林省发改委资助（项目号2024C007-8），第一作者王思远为东北电力大学本科生，展现了本科生科研的潜力。这项工作为多传感器融合技术在实际检测场景的应用提供了重要参考。