《Food Control》：AI-IoT-based E-nose system to evaluate the varietal authenticity of red chilli powder-validated using FTIR spectroscopy
编辑推荐：
Dilpreet Singh Brar|Birmohan Singh|Vikas Nanda印度旁遮普邦隆戈瓦尔，圣隆戈瓦尔工程技术学院食品工程与技术系，邮编148106摘要红辣椒粉是一种高价值的农业产品，其市场价格和消费者偏好与品种特性密切相关。在经过研磨处理后，由于形态特征发
Dilpreet Singh Brar|Birmohan Singh|Vikas Nanda
印度旁遮普邦隆戈瓦尔，圣隆戈瓦尔工程技术学院食品工程与技术系，邮编148106
摘要
红辣椒粉是一种高价值的农业产品，其市场价格和消费者偏好与品种特性密切相关。在经过研磨处理后，由于形态特征发生改变，且无法通过视觉检查进行准确鉴定，这就带来了问题。本研究开发了一种基于人工智能与物联网的电子鼻系统AIENO-1.0，用于鉴定六种不同的红辣椒粉品种，并通过傅里叶变换红外光谱法对其进行了验证。该系统记录了六种红辣椒粉样本的挥发性特征指纹，再利用CNN-SE模型对不同品种进行分类。AIENO-1.0系统的分类准确率为0.92（92.30%），选择性和精确度分别达到0.98和0.94，显示出出色的基于挥发性成分的分类性能。此外，还通过傅里叶变换红外光谱法进行了另一种验证方法，以确定各品种之间的成分差异。与辣椒素、色素、碳水化合物结构相关的不同光谱带及其强度变化，使得能够可靠地区分不同品种。基于令牌的Transformer-CNN模型在傅里叶变换红外光谱数据集上训练后，分类准确率达到了99.00%。基于挥发性成分的分析（GC-MS）与基于分子结构的分析（FTIR）结果相似，进一步证明了AIENO-1.0系统的有效性。总体而言，AIENO-1.0系统与傅里叶变换红外光谱技术相结合，为快速、无损且低成本地鉴定不同品种的红辣椒粉提供了有效方法。这一框架在产品质量管理、供应链质量检测以及法规监管方面具有巨大应用潜力。
引言
红辣椒粉是香料行业中的重要产品，这主要得益于它的高辣度、鲜艳的颜色以及独特的芳香成分。除了具有很高的烹饪价值外，优质品种的红辣椒粉还具有较高的经济价值，这些优质品种往往具有独特的感官特性和较强的地域性（Jalgaonkar等人，2024年）。在许多生产红辣椒粉的国家，如比亚吉、贡图尔、克什米尔等地，不同品种的红辣椒粉直接决定了其在市场上的价格、消费者偏好以及工业应用情况（Bignardi等人，2016年）。因此，品种鉴定对于确保产品质量、实现公平贸易以及遵守相关法规具有重要意义。
尽管红辣椒粉非常重要，但它也容易遭到错误标注，因为一些品质较低的杂交品种会被混入或替代优质品种出售（Sasikumar，2024年）。与整颗干辣椒相比，辣椒粉没有便于视觉识别的形态特征，因此很难判断其品种差异（Brar等人，2025a年）。此外，故意混入废弃的辣椒残渣或外观相似的物质，可以掩盖品种的真实身份，而不会从外观上有所变化，这样就会因浓度稀释而降低产品品质，而且难以通过常规检测方法发现（Sarkar等人，2023年）。
目前用于鉴定红辣椒粉品种的复杂方法包括色谱分析、分子标记分析以及显微镜检测法（Vignesh等人，2025年）。这些方法往往成本高昂、耗时较长，而且需要复杂的设备以及专业操作人员。此外，许多特定方法只能检测单个标记，无法反映自然食品环境中不同辣椒品种之间的综合感官差异（Sim?es等人，2025年）。这些限制使得人们需要开发快速、无损且高效的鉴定系统，以便在红辣椒粉的整个供应链中发挥作用。
人工智能驱动的光学传感技术的发展，极大地提升了对食品掺假、真伪以及质量特性的评估能力。深度学习技术，尤其是卷积神经网络，在从原始数据中提取空间信息和光谱信息方面表现出色，从而在食品真伪和质量评估方面发挥了重要作用。注意力机制，如挤压激励网络，能够通过优先处理有用特征并减少无关信息来提升模型性能。基于Transformer的模型则能够捕捉复杂数据集中的长距离依赖关系和全局上下文关联，从而提升分析能力。混合型的CNN-Transformer架构结合了局部特征提取与全局特征建模，不仅提升了分类准确性及模型稳定性，还能高效地从空间、光谱以及光谱空间数据集中自动提取复杂信息。主成分分析-最小判别分析、支持向量机、随机森林和XGBoost等化学计量学方法，在光谱预处理、特征选择、降维以及模型优化方面发挥着重要作用，提升了分析方法的稳定性和可解释性。光学传感技术、化学计量学方法与深度学习算法的结合，推动了无损食品质量评估系统的发展，这类系统能够有效分析包括图像、光谱以及传感器数据在内的多种类型的数据（Li等人，2025年）。
与此同时，红辣椒粉的挥发性成分是其品种特征的稳定标志，这些成分受基因型、农业生产条件、气候条件、干燥方式以及加工历史等因素的影响。各种挥发性化合物，如烃类、醇类、醛类、萜烯类、酯类和酮类，构成了不同品种特有的挥发性有机化合物指纹，可用于区分不同样本（Brar等人，2025a年）。电子鼻技术则是利用传感器阵列配合基于深度学习的人工智能模型，来检测挥发性成分的变化。所采用的深度学习模型能够识别从分析样本中获取的多通道传感器数据中的变化，然后根据这些特征变化对样本的品种进行分类（Moraes等人，2025年）。对于那些无法通过视觉特征获取足够信息的辣椒粉样本来说，电子鼻技术是一种有效的品种鉴定工具。
虽然电子鼻技术已被视为基于样本挥发性成分进行食品质量评估的可靠技术，但在将其投入实际应用之前，仍需对其进行充分验证（Praveena等人，2025年）。因此，傅里叶变换红外光谱技术能够提供基于分子的二级数据，这些数据与辣椒素、色素、碳水化合物以及样品中的其他成分相关的功能团有关（He & Zeng，2025年；Rodriguez-Saona & Allendorf，2011年；Rohman等人，2020年；Usman等人，2024年）。结合基于人工智能的分析方法，傅里叶变换红外光谱技术可用于评估不同品种之间的差异，可作为电子鼻技术的补充验证手段。
因此，本研究遵循科学路径，致力于开发出一种坚固、廉价且实用，并经过充分验证的鉴定设备。这是首次尝试开发基于人工智能与物联网的电子鼻系统AIENO-1.0，该系统配备了金属氧化物传感器，以及基于深度学习模型的人工智能物联网平台（带有挤压激励功能的卷积神经网络），用于区分不同品种的红辣椒粉。此外，还结合傅里叶变换红外光谱技术与基于令牌的Transformer模型对AIENO-1.0系统进行验证。这种双模式系统能够同时检测挥发性成分以及成分纯度，从而实现对红辣椒粉品种的精准分类，且检测过程快速无损。总体而言，所开发的AIENO-1.0系统是一种具备可扩展性、可靠性、实用性且适合工业应用的解决方案，有助于防止红辣椒粉品种被错误标注，确保其真实性，同时也有助于规范红辣椒粉的加工与供应链管理。
章节要点
材料与方法
本研究提出了一种基于人工智能与物联网的强大电子鼻系统AIENO-1.0，用于鉴定来自印度不同地区的红辣椒粉品种。该AIENO-1.0系统整合了多传感器阵列、先进的数据采集功能、数据处理流程、用于实时数据传输的物联网架构，以及用于展示分类结果的可视化功能。此外，还对该电子鼻系统的品种分类性能进行了验证。
结果与讨论
本研究提出了一种基于人工智能与物联网的新型电子鼻系统AIENO-1.0，用于鉴定来自印度不同地区的六种红辣椒粉品种。同时，还将该系统的性能与基于傅里叶变换红外光谱技术的基准分类方法的结果进行了比较。
与现有研究的对比
先前的研究已经证明了电子鼻技术作为一种无损方法，在评估食品质量方面的可行性（见表5）。Benedetti等人（2008年）开发了一种基于金属氧化物传感器以及多元统计方法（主成分分析、线性判别分析、分类回归树）的电子鼻系统，用于区分桃子品种并监测其储存期的成熟度。分析结果表明
结论
本研究提出了一种基于人工智能与物联网的新型电子鼻系统AIENO-1.0，该系统采用基于CNN-SE的分类架构，可用于鉴定红辣椒粉品种。同时，还将AIENO-1.0系统得出的结果与基于傅里叶变换红外光谱技术以及基于令牌的Transformer模型CNN模型的分类结果进行了比较。研究结果表明，不同品种的红辣椒粉具有特定的挥发性成分和分子指纹，这些特征可以用于准确分类。
CRediT作者贡献说明
Dilpreet Singh Brar：概念设计、数据整理、正式分析、研究实施、方法设计、验证、结果可视化、初稿撰写、审稿与编辑。Birmohan Singh：概念设计、资金筹集、方法设计、项目管理、资源协调、监督指导、结果可视化、审稿与编辑。Vikas Nanda：概念设计、资金筹集、项目管理、资源协调、监督指导、结果可视化、初稿撰写、审稿。
