深度学习辅助便携式拉曼光谱技术实现虾类中甲醛残留的无损快速检测

针对海鲜中非法添加甲醛(FA)的传统检测方法存在破坏样本、耗时长等问题，福建科研团队创新性地将便携式拉曼光谱仪与InceptionTime深度学习模型结合，开发出无需样本前处理的快速检测技术。该模型在5 mg/kg（安全阈值）和100 mg/kg（滥用阈值）的检测准确率分别达84.40%和85.17%，并通过代谢组学发现氨基酸代谢物timonacic和spinacine可作为FA添加的直接标志物，为食品安全现场监管提供新方案。

　　

海鲜保鲜领域长期存在非法添加甲醛(FA)的食品安全隐患。这种被世界卫生组织列为1类致癌物的化合物，通过与微生物蛋白质和DNA结合抑制腐败，但残留超标会危害消费者健康。传统检测方法如色谱分析需要复杂前处理，而常规拉曼光谱因信号弱需增强试剂，均难以满足现场快速检测需求。更棘手的是，食品中天然存在的FA使非法添加判定困难——印度阿萨姆邦的调查显示100%的鲥鱼样本检出FA，泰国、孟加拉国的海鲜FA残留普遍超过5 mg/kg的安全限值。

针对这一技术瓶颈，福建的研究团队在《Food Chemistry》发表创新成果。他们摒弃了传统"增强信号"的思路，转而通过深度学习挖掘FA引起的生物分子变化特征，建立了一套基于便携设备的无损检测体系。研究采用市售南美白对虾(Litopenaeus vannamei)为样本，通过比较不同FA浓度(0-1 mol/L)浸泡7天后的腐败特征，确定5 mg/kg和100 mg/kg作为关键检测阈值。核心技术包括：1）便携式拉曼光谱仪直接采集虾体表面信号；2）InceptionTime深度学习模型自动提取特征（该架构含多尺度卷积核，能同时捕获局部和全局光谱特征）；3）代谢组学分析FA诱导的分子变化。

材料与样本制备
实验选用13-20 cm鲜活虾，设置梯度FA浓度组(含对照组)，4°C储存观察腐败特征。结果显示1 mol/L FA组7天内无可见腐败，TVB-N(挥发性盐基氮)含量低于国标20 mg/100g限值，证实FA的防腐效果。

模型性能
InceptionTime在5 mg/kg和100 mg/kg阈值的分类准确率显著优于传统机器学习方法（如SVM、随机森林）。权重可视化发现模型重点关注1350-1600 cm^-1区间的拉曼峰，对应特定氨基酸和虾青素结合蛋白的振动模式。

代谢组学发现
鉴定出timonacic和spinacine两种氨基酸代谢物为FA添加的直接标志物。这些分子变化解释了模型决策依据——并非直接检测FA分子，而是捕捉其与生物分子相互作用产生的"指纹"。

讨论与结论
该研究突破性地实现了三个"无需"：无需样本破坏、无需化学增强剂、无需复杂前处理。相比需要纳米材料增强的SERS技术，本方法成本降低90%以上。模型对滥用浓度(100 mg/kg)的高识别率尤其适合市场监管场景。研究不仅提供检测工具，更通过代谢标志物揭示了FA保鲜的分子机制，为后续食品安全研究提供新视角。

创新点在于将深度学习的特征提取能力与拉曼光谱的分子指纹特性结合，开辟了食品检测新范式。未来可扩展至其他非法添加剂检测，推动食品安全监管从"实验室分析"向"现场即时判定"转型。研究获得福建省自然科学基金等项目支持，相关代码已在GitHub开源。