便携式VIS–NIR光谱结合机器学习实现大米稳健鉴别与地理产地分类研究

《Journal of Food Composition and Analysis》：Portable VIS–NIR spectroscopy integrated with machine learning for robust authentication and geographical origin classification of rice

　　

中文翻译（论文摘要） 便携式可见-近红外光谱（VIS–NIR）结合机器学习实现了大米地理产地的分类鉴别。研究人员对伊朗三个水稻品种在省级和市级两个空间尺度上进行了判别分析。最小角回归（LARS）和LARS-Lasso方法识别了信息波长并降低了光谱数据维度。优化后的机器学习模型在有限光谱数据条件下取得了较高的分类性能。

论文解读文章

一、研究背景与问题

大米作为全球主粮之一，其品种、品质等级和地理产地显著影响消费者偏好与市场价格。特别是具有地理标志属性的高端区域品牌大米，如伊朗本土品种，往往享有显著的价格溢价，因而成为经济利益驱动型掺假、错误标签和以次充好等欺诈行为的高频目标。这种状况不仅损害消费者信任、扰乱市场秩序，还严重损害正宗产区生产者的声誉与收益。因此，建立稳健的产地认证体系已成为现代质量控制与可追溯系统中至关重要的环节。

在伊朗，大米既是主食也是文化象征，Hashemi、Khazar和Shiroodi等地方品种因其感官品质而广受认可，并传统上与马赞达兰省和吉兰省北部地区的特定农业气候带相关联。然而，正品国产大米与廉价进口或低等级产品之间的巨大价差，引发了伊朗市场掺混和虚假标签的担忧。当大米经过碾磨、抛光或混合处理后，基于文件审核、目视检查或简单理化测试的传统控制手段往往难以可靠地辨别产地差异。

已有多种分析技术被用于大米产地评估，包括元素分析、同位素分析、色谱法和代谢组学指纹图谱等。尽管这些方法具有较高的判别能力，但通常需要昂贵的实验室设备、复杂的样品前处理和专业人员操作，限制了其在高通量常规检测或实验室外部署中的适用性。因此，亟需一种快速、客观、可走出实验室且可扩展的分析方法，用于在供应链各环节验证大米批次的申报产地。

二、研究内容与结论

本研究针对上述问题，开发了一套基于便携式可见-近红外光谱（VIS–NIR）与机器学习相结合的大米地理产地分类框架。研究对象为伊朗三个水稻品种（Hashemi、Khazar、Shiroodi），分类任务涵盖两个空间尺度：省级尺度（马赞达兰省与吉兰省）和市级尺度（萨里、阿莫尔、拉什特）。研究人员使用手持式VIS–NIR微型光谱仪，在两种光源（LED和灯泡）条件下采集光谱数据，并结合多种分类器（Ridge、逻辑回归、多层感知机MLP和支持向量机SVM）、稀疏特征选择方法以及两种数据划分策略（分层划分和Kennard–Stone采样），系统评估了产地判别性能与稳健性。

研究得出以下主要结论：在省级尺度上，Hashemi品种表现出最强的产地判别能力，多个模型在LED光源下取得100%的测试准确率；Khazar品种同样达到较高的判别性能，但结果变异性略大；Shiroodi品种的判别性能相对较低，表明其光谱特征中产地信息的编码较弱。在市级尺度上，三分类任务的复杂度显著增加，模型性能出现更大波动，但仍有部分配置取得较好的分类效果。整体而言，LED光源条件下的聚类结构比灯泡光源更为紧凑，LARS-Lasso特征选择方法在多数情况下表现出较好的性能，MLP分类器在省级二分类任务中表现突出。

三、关键技术方法

研究人员采用的主要技术方法包括：便携式LinkSquare微型光谱仪（波长范围400–1000 nm，配备InGaAs探测器，LED和灯泡双光源）；移动平均平滑滤波（窗口大小15）进行光谱预处理；主成分分析（PCA）用于无监督探索性分析；最小角回归（LARS）和LARS-Lasso两种稀疏特征选择方法，从552个光谱变量中筛选出55个信息波长；四种分类器包括Ridge分类、逻辑回归、多层感知机（MLP）和支持向量机（SVM）；两种数据划分策略包括分层划分和Kennard–Stone采样；五折交叉验证用于模型评估与超参数调优。样本来源为伊朗北部马赞达兰省（萨里、阿莫尔两市）和吉兰省（拉什特市）的水稻研究中心，共90个样本，每个品种/产地组合10个样本，每样本30克。

四、研究结果

PCA结果：主成分分析显示第一主成分（PC1）解释了约99–100%的总方差，第二主成分贡献极小。省级尺度上两类样本主要沿PC1方向分离，市级尺度上三类样本的视觉分离不如省级二分类明显。LED光源下的聚类结构比灯泡光源更为紧凑。尽管PCA揭示了有用的光谱变异，但各类别间仍存在明显重叠，需要监督分类方法进一步判别。

特征选择结果：LARS和LARS-Lasso方法均从552个光谱变量中筛选出55个信息波长。所选波长集中在可见光区（400–700 nm，与谷物颜色和色素相关）和近红外区（反映O–H、C–H、N–H键的倍频和合频振动，与水分、淀粉、蛋白质和脂质等主要大米成分相关），这些化学组分受基因型、环境条件、土壤特性和栽培实践的影响，所选波长可能捕获与地理产地相关的成分差异。

省级分类结果：Hashemi品种在省级二分类中表现最佳，最优模型（MLP结合LARS-Lasso，LED光源，分层划分）在训练和测试阶段均达到100%的准确率、精确率、召回率和F1分数，交叉验证准确率为91.9%。Khazar品种在省级分类中同样表现优异，最优配置（MLP结合LARS-Lasso，灯泡光源）在测试阶段达到100%的全部指标，但交叉验证结果存在一定波动。Shiroodi品种的省级判别性能相对较弱，最优配置（分层划分下MLP结合LARS-Lasso，灯泡光源）测试准确率为83.3%，交叉验证准确率仅77.9%，表明该品种的省级光谱差异不够显著。

市级分类结果：市级三分类任务的复杂度显著增加。Hashemi品种在市级分类中，最优配置（Ridge结合LARS-Lasso，LED光源，Kennard–Stone采样）测试准确率为88.9%；Khazar品种的最优配置（Ridge，无特征选择，LED光源，分层划分）测试准确率达到100%；Shiroodi品种的市级分类性能总体较低。与省级二分类相比，市级三分类的模型性能波动更大，训练、交叉验证和测试阶段之间的差异更为明显。

五、讨论与结论

研究讨论部分指出，三个品种在省级判别性能上呈现明显梯度：Hashemi最稳健，Khazar次之，Shiroodi最弱。这种差异可能反映不同品种的基因型-环境互作强度不同，以及品种内光谱变异的程度差异。特征选择方法（LARS和LARS-Lasso）所选波长集中在化学意义上明确的区域，增强了模型的可解释性和稳健性。LED光源较灯泡光源表现出更紧凑的聚类结构，可能反映LED光源下信号稳定性和测量一致性更好。Kennard–Stone采样与分层划分两种策略在不同品种和尺度上各有优劣，说明数据划分策略对模型评估结果有实质影响。

研究结论表明，便携式VIS–NIR光谱结合机器学习能够有效实现大米地理产地的分类鉴别，在省级尺度上对Hashemi和Khazar品种可达到近乎完美的判别性能。该方法具有快速、无损、无需试剂、可现场部署等优势，为大米供应链中的产地验证和质量控制提供了一种实用的技术方案。研究同时指出，市级尺度的精细分类仍面临挑战，未来需要扩大样本量、纳入更多产区和年份的数据以进一步提升模型的泛化能力。