基于神经网络的荧光高光谱技术用于油菜叶片铅含量的无损检测预测

《Food Chemistry》:Non-destructive prediction of lead content in oilseed rape leaves by fluorescence hyperspectral technology based on neural network

【字体: 大 中 小 】 时间:2026年07月11日 来源:Food Chemistry 10.4

编辑推荐:

  唐耀|周欣|孙军|周祖奇|姚坤山•FHSI技术可检测不同硅含量条件下油菜叶片中的铅含量。•适宜的硅含量可降低植物对铅的吸收,而过量的硅则会增加其吸收量。•BO-SE-CL1DA模型能够精准预测铅含量。引言油菜是全球广泛种植的油料作物,既是食用油的主要来源,也是重要的农业产品及工业

  
唐耀|周欣|孙军|周祖奇|姚坤山
  • •
    FHSI技术可检测不同硅含量条件下油菜叶片中的铅含量。
  • •
    适宜的硅含量可降低植物对铅的吸收,而过量的硅则会增加其吸收量。
  • •
    BO-SE-CL1DA模型能够精准预测铅含量。

引言

油菜是全球广泛种植的油料作物,既是食用油的主要来源,也是重要的农业产品及工业原料(Liu等,2019;Niu等,2024)。但在生长过程中,土壤中的铅会通过植物的根系被吸收,随后在根、茎、叶等各类组织中积累(Liu等,2018)。这种积累不仅会干扰作物的正常生长,降低油菜的最终产量,还会对人类健康造成危害,如贫血、高血压、肾脏损伤以及消化系统问题(Wang等,2021;Zhu等,2020)。因此,寻找有效方法减轻油菜中的铅污染具有重要的理论和现实意义。施加外源硅被认为是一种环保且有效的手段,能够提升作物对铅胁迫的耐受性(Ahmad等,2024;Zubair等,2024)。不过,施加的硅量需要根据土壤的铅污染状况以及作物的相应胁迫反应进行科学调控。因此,迫切需要一种快速、无损的方法,以便精准测定在不同硅处理条件下油菜叶片中的铅积累量(Zhao等,2023;Khan等,2022;Lu等,2022b)。这样的方法对于制定优化的硅管理策略、有效缓解铅带来的毒性、保障农业生产的安全性以及实现环境可持续性具有重要意义。
在农业领域,传统的重金属分析方法通常采用原子吸收光谱法(AAS)、电感耦合等离子体质谱法(ICP-MS)和原子荧光光谱法(AFS)等成熟的化学分析技术(Chen等,2025;Zhou等,2023)。尽管这些技术能够精准检测微量重金属,但操作流程复杂,分析成本高昂,还可能对样品造成损坏(Zhou等,2025)。近年来,随着无损检测技术的进步,高光谱成像技术得到了越来越广泛的应用。该技术作为一种无损检测方法,可用于测定多种作物中的重金属浓度,例如已被用于检测烟草中的汞含量(Yu等,2021)以及番茄叶片中的镉残留量(Zhang等,2018)。荧光高光谱成像技术则是一种先进的无损检测方法,它结合了光谱检测与图像分析的优势(Cheng等,2022;Luthman等,2017)。其工作原理是通过激光或其他特定光源激发目标材料中的电子,电子吸收外部能量后会被激发到高能态(Gu等,2022;Tahir等,2020)。不过,处于高能态的电子并不稳定,会在极短时间内自发回到低能态的基态(Zou等,2024)。当电子回到基态时,会以特定形式释放之前吸收的能量,而荧光正是这种能量释放的直观体现(Lu等,2022a)。随后,高光谱相机会精准捕捉这些荧光信号,经过信号处理和分析后,就能生成能够反映目标物质特征的荧光高光谱图像(Hussain等,2019;Ullah等,2016)。与传统无损检测方法相比,荧光高光谱成像技术不仅能表征物体的表面特征,还能帮助了解其内部的化学成分和结构特性。此外,它还克服了基于点源采样的光谱分析技术在评估空间异质性方面的缺陷,能够提供更全面的样品信息(Fu等,2022)。近年来,荧光高光谱成像技术越来越多地被用于监测农产品中的重金属污染情况(Cong等,2025;Shi等,2025)。不过,现有的研究大多侧重于这类污染的分类与定量分析,尚未充分探讨如何利用荧光高光谱成像技术来研究外源硅施用对作物重金属吸收的影响。为解决这一问题,本研究采用了荧光高光谱成像技术,检测在不同硅处理条件下油菜叶片中的铅积累量。这些油菜叶片是在高铅浓度环境中培育的,并接受了不同水平的硅处理。
本研究探讨了将荧光高光谱成像技术用于定量检测不同硅处理条件下油菜叶片中铅含量的可行性。研究首先选择了最优的光谱预处理方法,再利用区间变量迭代空间收缩算法提取特征波长,从而构建出高精度的预测模型。为解决超参数空间复杂以及手动调整效率低的问题,本研究引入了贝叶斯优化技术来实现自动超参数优化。之后,研究又采用了挤压-激励增强型1D卷积长短期记忆网络混合架构模型来预测铅含量,该模型通过利用多级特征提升了模型性能。与其他常见模型的对比分析也证明了所提方法的优异性能。这些研究结果为确定合适的硅施用剂量以减轻油菜的铅污染提供了重要参考,同时也为控制其他作物品种中的重金属污染奠定了理论基础。

章节要点

样品制备

实验首先用1%的次氯酸钠溶液对油菜种子进行消毒。消毒完成后,用无菌水彻底冲洗种子,去除残留的化学物质(Zhou等,2024),然后将种子均匀播种在72孔托盘中催芽。当幼苗长出两片真叶后,便挑选出无病虫害、生长状况良好的植株,将其移栽到装有珍珠岩培养基的盆中。移栽后,幼苗会得到

通过化学检测和平均荧光光谱法分析铅含量

如图4(a)所示,铅含量在PS1到PS3期间呈下降趋势,而在PS4时又上升,这可能反映出硅介导的保护机制出现了饱和或功能转变(Khan等,2022)。在适宜的硅含量下,硅可以通过在根细胞壁中与铅共同沉淀、降低金属转运蛋白的活性以及增强作物的抗氧化能力来减轻铅胁迫(Ahmad等,2024;Zhao等,2023)。然而,在较高的硅含量下,

结论与展望

本研究成功地将荧光高光谱成像技术与深度学习模型相结合,建立了一种快速、无损的方法,可用于测定不同硅处理条件下油菜叶片中的铅含量。通过比较多种光谱预处理方法,研究发现傅里叶变换分解是最佳的预处理策略。在此基础上,研究又采用区间变量迭代空间收缩算法选择特征波长,有效提取了关键的光谱信息。最终构建的BO-SE-CL1DA模型结合了卷积局部

CRediT作者贡献说明

唐耀:论文撰写——初稿撰写、软件应用、方法设计、实验实施、概念构思。周欣:论文撰写——审稿与编辑、结果验证、定量分析。孙军:结果可视化、结果验证、软件应用、定量分析。周祖奇:论文撰写——审稿与编辑、研究指导、资源提供。姚坤山:结果可视化、结果验证、定量分析。

未引用参考文献

Bao等,2021
Waadt、Seller、Hsu和Blázquez,2022

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

本研究部分得到了以下项目的资助:国家自然科学基金项目(32201653)、中国博士后科学基金会(2021M701479)、江苏大学农业工程学院项目(NGXB20240202)以及江苏省高等教育重点学科建设计划(PAPD)。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号