在硒的影响下，利用荧光高光谱成像技术对生菜叶片中的镉污染进行定量检测

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Quantitative detection of cadmium pollution in lettuce leaves under selenium influence via fluorescence hyperspectral imaging

　　

雷石|孙军|孙丽聪|张冰|吴小红|戴春霞|匡启文|丁子同|姚昆山

江苏大学电气与信息工程学院，镇江212013，中国

摘要

重金属镉（Cd）污染对农业安全构成了严重威胁，而硒（Se）的应用虽然可以缓解Cd的压力，但也为Cd的无损检测带来了额外的复杂性。本研究探讨了利用荧光高光谱成像（F-HSI）技术在硒影响下检测生菜叶片中Cd污染的可行性。原始光谱经过Savitzky-Golay滤波器预处理，有效抑制了噪声并增强了微弱的光谱特征，从而突出了弱荧光光谱信息。随后，提出了一种多模态差分融合选择器（M²DFS），通过梳理硒-Cd相互作用条件下的复杂荧光光谱关系，提取与Cd密切相关的特征。结合基于VGG架构的一维卷积神经网络（1D-CNN），开发了在硒影响下生菜叶片中Cd含量的定量预测模型。与经典方法相比，M²DFS在机器学习和深度学习模型中均表现出更优越的特征提取性能，显著提高了在硒影响下Cd含量的预测能力。最终，使用M²DFS特征构建的1D-CNN模型获得了最高的预测性能（R_p = 0.9173，RMSEP = 0.0272 mg/kg，RPD = 2.5108）。总之，F-HSI结合Savitzky-Golay滤波器、M²DFS和1D-CNN的方法体系为在硒影响下生菜叶片中Cd污染的无损检测提供了一种可靠的方法，为未来在复杂农业环境中进行重金属无损检测的研究奠定了基础。

引言

目前，重金属污染已成为一个全球性的环境问题，对农业安全构成了重大威胁[1]、[2]。镉（Cd）作为一种典型的重金属污染物，可以通过食物链在人体内积累并引发多种疾病[3]、[4]。值得注意的是，叶类蔬菜具有显著的镉积累能力，主要分布在叶片中[5]。其中，生菜因其直接关系到公众健康，其叶片中的镉污染尤其值得关注[6]。因此，监测生菜叶片中的镉污染至关重要。近年来，外源硒（Se）的应用已被认为是一种有效的缓解重金属压力的策略[7]。硒通过修复细胞结构、提高光合作用效率、激活多种抗氧化系统以及促进多种防御化合物的合成，减少了作物对重金属的吸收和转运，从而提高了作物对重金属毒性的耐受性[8]。在这种背景下，检测镉污染面临新的挑战，开发一种在硒影响下检测生菜叶片中镉污染的有效方法有助于改进现有的检测系统。

尽管传统的重金属检测方法可以通过破坏性化学分析直接测定Cd含量，并且在测量过程中不受Se元素的干扰，但它们在实现作物中重金属的快速大规模检测方面存在局限性[9]。近年来，具有表面扫描采集模式的高光谱成像技术已被研究人员应用于作物中重金属的检测[10]、[11]、[12]。随着光谱成像技术的进步，荧光高光谱成像（F-HSI）作为一种结合了荧光光谱和高光谱成像的技术，以其高特异性和灵敏度而脱颖而出[13]、[14]。由于荧光信号在检测低浓度组分方面的固有优势，学者们已将F-HSI应用于生菜叶片[15]和油菜叶片[16]中的重金属检测，并取得了比传统高光谱成像更高的准确性和更低的检测限。

尽管F-HSI在重金属检测中显示出潜力，但它本质上是一种间接方法，通过有机成分的荧光响应来表征重金属信息。硒元素的引入将超出现有响应模型的适用范围。更重要的是，Se-Cd离子在作物中的相互作用可能导致吸收峰的重叠和协同响应效应，这种耦合干扰进一步增加了预测难度[17]。

本研究的目的是探索一种在硒影响下确定生菜叶片中镉污染的可行无损方法。为此，提出了一种多模态差分融合选择器（M²DFS），通过梳理复杂的荧光-Se-Cd关系来提取与Cd相关的特征。通过整合深度学习建模方法，构建了一个预测在硒影响下生菜叶片中镉污染的定量模型。本研究的整体工作流程如图S1所示。

章节摘录

实验设计

为了最小化生菜栽培实验中外部因素的干扰，本研究采用了无土栽培系统，以提高可控性，避免土壤复杂性带来的干扰。使用珍珠岩作为抗抽薹生菜盆栽的基质。分别将氯化镉（CdCl?）和硒代蛋氨酸（C₅H₁₁NO₂Se）溶解在蒸馏水中，制备Cd和Se试剂。

样品分析

图3展示了在不同硒影响水平下生菜叶片中Cd含量的平均值和标准差。总体而言，环境Cd压力水平与生菜叶片中的Cd含量呈正相关。硒对生菜叶片吸收Cd的影响是一个复杂的过程，高度依赖于浓度比，表现出非线性趋势。具体来说，高浓度硒（5 mg/L）通常对Cd具有显著的拮抗作用。

结论

本研究探讨了利用F-HSI结合机器学习和深度学习方法，在不同硒影响水平下定量预测生菜叶片中Cd污染的可行性。原始光谱经过Savitzky-Golay滤波器预处理，有效抑制了噪声并增强了微弱的光谱特征。所提出的M²DFS有效处理了在硒影响下的复杂光谱响应，并识别出具有高

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。

致谢

本工作部分得到了国家自然科学基金项目（编号31971788）和江苏省研究生研究与实践创新计划（编号KYCX24_3991）的支持。