基于多模态集成学习的冬虫夏草食品溯源分析与品质标志物无损监测技术

本文推荐：研究针对冬虫夏草（OS）存在的食品欺诈问题，创新性地结合高光谱成像（HSI）与人工智能（AI）技术，开发了多模态集成学习框架。通过贝叶斯优化（BO）自动调参，融合颜色、纹理和光谱特征，实现生长环境溯源（准确率提升10.34%）及品质标志物（多糖和核苷类成分，RPD分别提高9.88%和3.49%）的无损预测，为构建"光谱眼"智能监测系统提供新范式。

　　

Highlight

本研究突破性地将高光谱成像技术与人工智能相结合，为冬虫夏草打造了"数字指纹"识别系统，就像给每根虫草安装了专属的"光谱身份证"。

Sample preparation

实验样本包含青海省不同海拔采集的天然冬虫夏草（NOS1-3）和市售人工培育品（AOS）。为消除虫草不规则形状的影响，创新采用双面扫描策略（A/B面），通过数据融合降低随机误差，相当于为每份样本建立"三维光谱档案"。

Total polysaccharide content analysis

多糖含量分析揭示有趣现象：人工培育组（AOS）多糖含量（1.11%）显著低于天然组，而高海拔NOS3组呈现"高原富集效应"。这提示环境压力（低温/低氧）可能是激活虫草代谢通路的"天然调控开关"。

Conclusion

就像食品安全领域的"智能侦探"，本研究构建的多模态系统能同时破解虫草的"生长密码"和"成分密码"。相比传统破坏性检测，这套"光谱眼"技术不仅保全样本商业价值，更将检测效率提升至分钟级，为名贵中药材的质量监管提供了"无创快检"新方案。