基于多维指纹图谱与机器学习的枸杞智能地理产地认证

《Journal of Future Foods》：Intelligent Geographical Authentication of Goji Berries via Multi-dimensional Fingerprinting and Machine Learning

　　

在现代枸杞产业中，准确且快速的判别地理产地对于追溯体系与质量评估至关重要。研究人员采用多种化学计量学方法，基于不同地理产地的风味特征差异建立区域追溯判别系统。HS-GC-IMS（Headspace-Gas Chromatography-Ion Mobility Spectrometry，顶空-气相色谱-离子迁移谱）分析鉴定出62种挥发性化合物，其中酮类和酯类为主要贡献者。18种化合物被识别为枸杞地理产地判别的特征标志物。其中，己酸甲酯ROAV（Relative Odor Activity Value，相对气味活性值）（QH=8.54, GS=9.26, NX-XR=16.5, NX-ZN=8.6）、戊酸乙酯ROAV（QH=8.09, GS=6.17, NX-XR=10.4, NX-ZN=3.7）、己醛ROAV（QH=2.65, GS=11.3, NX-XR=19.9, NX-ZN=5.4）及丁醛ROAV（QH=4.45, GS=7.88, NX-XR=9.52, NX-ZN=5.99）被确定为区分不同区域组别特征香气的关键组分。电子舌分析表明，鲜味和甜味是区分NX（宁夏）产区样品与其他产地的主要味觉属性，而苦味是区分QH（青海）与其他产地的重要属性。基于电子舌数据的前馈神经网络（Feedforward Neural Network, FNN）模型优于支持向量机（Support Vector Machine, SVM）模型，实现了四个地理产地枸杞的完全判别，且盲样分类准确率达100%。本研究构建的区域追溯模型为验证枸杞地理产地提供了理论基础与技术支持。

研究背景方面，枸杞（Lycium barbarum L.）兼具药食两用价值，中国作为全球主要生产国在宁夏、青海、甘肃等地规模化种植。然而产业快速扩张伴随质量参差不齐、地理标志保护不足及监管技术缺失等问题，劣质掺优导致市场信任危机，亟需技术手段规范产业。风味作为枸杞质量核心指标直接影响市场价值与消费者接受度，其中香气与滋味构成风味基本要素，为不同产地品质比较与特征识别提供关键依据。地理产地是影响枸杞风味与质量的关键因素，不同产地土壤理化性质与元素组成具区域特异性，通过调节枸杞生长发育间接影响风味化合物形成积累，从而产生独特风味谱。现有研究依赖单一挥发性化合物判别受环境、加工、贮藏干扰大，传统理化检测结合无监督分析（如PCA）处理高维数据受限，因此融合智能感官技术与机器学习算法构建高效客观产地追溯模型具有重要科学意义与应用价值。本解读基于发表于《Journal of Future Foods》的上述研究进行总结。

研究人员于2025年6月从宁夏（NX，含中宁NX-ZN 40份、兴仁NX-XR 20份）、青海（QH 20份）、甘肃（GS 20份）三地栽培点随机采集100份新鲜枸杞样本，经干燥（40℃预干后60℃烘干）、粉碎、4℃密封保存后开展研究。采用顶空-气相色谱-离子迁移谱（HS-GC-IMS）与电子舌（Electronic Tongue）表征风味化合物，结合化学计量学（PCA、OPLS-DA）与机器学习（SVM、FNN）构建产地追溯模型，并通过Mantel检验分析风味化合物与土壤成分相关性。

3.1. HS-GC-IMS分析不同产地枸杞挥发性化合物

通过HS-GC-IMS获得气相-离子迁移谱、三维地形图、二维谱及差异对比图与指纹图谱，显示NX产地信号峰数量较多，NX-ZN与NX-XR差异较小，QH与GS峰强度分布相似。定性半定量分析检出62种挥发性化合物，NX-ZN有12种特征组分（如苯甲醛、1-辛烯-3-酮）含量最高，QH有10种（如2-甲基庚-2-烯-6-酮、1-羟基丙-2-酮）富集显著，NX-XR与GS无独有特富集物。酯类占比26.7%，酮类21.7%，NX-ZN总挥发物最高且酮类突出。VIP（Variable Importance Projection，变量重要性投影）>1的关键判别物包括己醛、苯甲醛、甲基己酸酯等18种。ROAV（Relative Odor Activity Value，相对气味活性值）分析表明1-辛烯-3-酮（土腥味）为核心芳香组分（ROAV=100），己酸甲酯、戊酸乙酯、己醛（ROAV≥1）为关键风味物，丁醛为NX差异驱动物，其余ROAV 0.1-1具修饰作用。

3.4. 不同产地枸杞的电子舌分析

电子舌雷达图与响应值显示，GS与NX-XR味觉轮廓相似，NX-ZN对甜味与涩味响应最强，QH对苦味响应最强，各产地酸味未达阈值。NX-ZN具独特高含量鲜味与甜味指标，QH苦味稳定为高值，NX-XR与GS无单一峰值指标而呈共享富集。味觉指标组成与含量差异构成不同产地特征识别依据。

3.5. 不同产地枸杞的分类与产地追溯模型

3.5.1. 电子舌数据的PCA与OPLS-DA分析

PCA能大致区分产地但NX-ZN与NX-XR部分重叠，Q²（0.307 cum）<0.5模型不稳定。OPLS-DA（Orthogonal Partial Least Squares Discriminant Analysis，正交偏最小二乘判别分析）参数R²X=1，R²Y=0.759，Q²(cum)=0.724，200次置换检验无过拟合，VIP>1的关键味觉变量为苦味、鲜味、咸味、甜味。训练集判别准确率97.50%，测试集95%，但无法准确区分NX内部不同地域。

3.5.2. 电子舌数据的机器学习

对比SVM（Support Vector Machine，支持向量机）与FNN（Feedforward Neural Network，前馈神经网络），SVM训练集准确率98.33%、测试集95%，AUC训练集0.9889、测试集0.9833，存在NX-XR、GS误判为NX-ZN及NX-ZN误判为QH情况。FNN采用sigmoid激活函数，14个隐藏节点、权重衰减0.06时训练与测试集预测准确率均100%，AUC均为1.0，实现三地及NX内部产地完全区分，稳定性与判别性能优于SVM。

3.6. 枸杞挥发性化合物与土壤成分的相关性分析

Mantel检验显示风味化合物与土壤养分存相关性，与Na、TC（Total Carbon，总碳）、SOC（Soil Organic Carbon，土壤有机碳）、pH呈正相关（SOC r=0.25最强，TC r=0.19，Na r=0.17），与Sr、Hg、Se、Mg呈负相关（Sr r=-0.69最强，Hg r=-0.68，Se r=-0.38）。土壤组成通过物质交换与代谢调控调节风味化合物组成含量，致不同产地枸杞风味分化，验证以风味化合物为标志构建产地追溯模型的可靠性。

讨论部分总结指出，研究系统分析三地及宁夏内部枸杞风味差异，多元统计与机器学习实现产地判别。HS-GC-IMS鉴62种挥发物，酮类酯类为主，18种VIP>1差异物起分类作用。电子舌示鲜味、甜味、苦味为关键指标。FNN模型训练测试集准确率100%、AUC=1最优。Mantel检验示风味与土壤成分相关。研究为枸杞产地识别与风味评价提供理论基，但需开发更高效快速检测方法。

结论部分翻译：本研究采用GC-IMS（Gas Chromatography-Ion Mobility Spectrometry，气相色谱-离子迁移谱）与电子舌技术结合的方法，系统分析了三个不同生产产地及宁夏区内不同地点的枸杞风味差异。利用多元统计与机器学习技术实现了产地判别。结果表明，不同产地枸杞样品在挥发性成分与风味特征上存在显著差异。共鉴定出62种挥发性化合物，其中酮类和酯类为主要风味贡献者。18种VIP>1的差异化合物在产地分类中起关键作用。电子舌结果显示，鲜味、甜味和苦味是区分不同生产产地样品的关键指标。在所构建的模型中，FNN表现出最优性能，在训练与测试数据集上均达到100%准确率，AUC为1，为不同样品提供了最佳分类结果。Mantel检验表明枸杞风味化合物与土壤成分之间存在相关性。总体而言，本研究为枸杞的地理产地识别与风味品质评价提供了理论基础，尽管仍须开发更高效快速的检测方法。