《Journal of Food Composition and Analysis》:Deep fusion of LIBS and NIR-HSI spectra coupled with deep learning for geographical origin identification and quality evaluation of Salvia miltiorrhiza
编辑推荐:
这项研究提出了一种集成框架,将近红外高光谱成像(Near-Infrared Hyperspectral Imaging, NIR-HSI)和激光诱导击穿光谱(Laser-Induced Breakdown Spectroscopy, LIBS)与深度学习相结合
这项研究提出了一种集成框架,将近红外高光谱成像(Near-Infrared Hyperspectral Imaging, NIR-HSI)和激光诱导击穿光谱(Laser-Induced Breakdown Spectroscopy, LIBS)与深度学习相结合,用于丹参(Salvia miltiorrhiza)的产地溯源与质量评价。研究人员分析了来自中国四个产区的共157批样品。对于产地鉴定,采用LIBS与NIR-HSI特征级融合的灰狼优化-挤压激励卷积神经网络(GWO-SE-CNN)模型表现出最佳性能,平均准确率、召回率和F1分数分别为99.06%、99.04%和99.06%。对于质量预测,通过双重策略系统优化了一维残差网络18(1D-ResNet18)模型:基于改进的加权竞争自适应重加权采样(Improved Weighted Competitive Adaptive Reweighted Sampling, IWCARS)算法的特征选择,以及利用带梯度惩罚的Wasserstein生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty, WGAN-GP)进行数据增强。三种质量指标的最佳模型有所不同,隐丹参酮IIA(Tanshinone IIA)、丹酚酸B(Salvianolic acid B)和水分含量的预测集决定系数(R2p)分别达到0.9759、0.9879和0.9683。该研究证明了多光谱数据融合与先进深度学习相结合在丹参综合质量控制中的巨大潜力。
**论文解读:基于LIBS与NIR-HSI深度融合与深度学习的丹参产地鉴定与质量评价研究**
**1. 研究背景与问题**
功能性食品和药食同源植物因其潜在的健康益处和营养价值在全球受到日益关注。丹参(*Salvia miltiorrhiza*, SM)作为一种传统药食同源植物,富含酚酸类和丹参酮类等生物活性成分,具有抗氧化、心脏保护和抗炎活性。随着功能性食品原料市场的扩大,确保此类植物材料的真实性、质量一致性和安全性成为食品行业和监管机构的关键优先事项。丹参的地理起源显著影响其植物化学特征和生物活性,因此产地鉴定是质量控制的核心环节。传统上,丹参质量评价依赖高效液相色谱(HPLC)进行标志物定量,以及目视检查或宏观鉴定来区分产地。然而,HPLC耗时、费力、消耗试剂且破坏样品,而视觉鉴别主观且不可靠。这些局限性推动了对快速、无损分析技术的探索。近红外高光谱成像(NIR-HSI)可同时获取样品的空间和光谱信息,提供与化学成分相关的分子指纹数据;激光诱导击穿光谱(LIBS)通过分析激光诱导等离子体的原子发射光谱提供元素组成信息,对常作为地理起源标志的矿物元素和痕量金属敏感。但单一技术仅提供部分信息:HSI反映有机分子结构,LIBS揭示元素轮廓。对于丹参这类复杂多组分的功能性食品原料,单一技术方法难以全面捕获质量属性。因此,整合不同光谱技术互补信息的多源数据融合策略被提出以增强分析性能。此外,深度学习在光谱数据分析中展现出优越的特征提取和模式识别能力,但面临两大挑战:光谱数据集通常规模有限(小样本问题导致过拟合风险),以及光谱变量的高维性和冗余性可能降低模型性能。这些瓶颈凸显了需要能够有效解决数据稀缺和特征冗余同时利用多源光谱互补优势的先进优化策略。
**2. 研究目标与意义**
为克服上述挑战,本研究提出了一种双轨优化框架,用于丹参作为功能性食品成分的综合质量评价。具体目标包括:(1)建立一种快速、无损的丹参产地鉴定和成分含量预测分析框架;(2)对于产地分类,开发新型多模态数据融合策略,结合特定的GWO-SE-CNN架构,以增强自适应特征重新校准和训练稳定性;(3)对于生物活性化合物的定量预测,引入利用IWCARS算法进行精确特征选择和利用WGAN-GP网络进行小样本数据增强的定向优化分支。该研究旨在为功能性食品原料的质量控制提供方法学参考,并推动食品科学中快速智能评价技术的发展。论文发表在《Journal of Food Composition and Analysis》。
**3. 主要关键技术方法**
本研究采用以下关键技术方法(忽略试剂、培养和质粒构建等具体操作步骤,样本队列来源已注明):
- **样本队列**:从中国四个代表性产区(宁阳、莒县、全椒、洛阳)收集157批丹参根切片样品,涵盖2023-2024年不同月份,并按大小分为大、中、小三个等级。
- **光谱采集**:利用LIBS系统(Nd:YAG激光器,波长无说明,脉冲能量300 mJ)获取原子/离子光谱,每批采集7条,共1094条有效光谱;利用自组装NIR-HSI系统(InGaAs探测器,光谱范围935.61–1720.23 nm)获取近红外高光谱图像,采用霍夫圆变换自动提取感兴趣区域(ROI)光谱,每批获得1条平均光谱。
- **参考值测定**:采用热重法快速水分测定仪测量水分含量;采用HPLC(中国药典2020年版方法)测定丹参酮IIA和丹酚酸B浓度。
- **产地分类模型**:构建1D-CNN,并引入挤压激励(SE)模块和灰狼优化(GWO)算法形成GWO-SE-CNN模型;采用LIBS与NIR-HSI的特征级融合策略(先分别筛选特征再拼接)。
- **定量预测优化**:采用改进的加权竞争自适应重加权采样(IWCARS)算法进行特征选择;采用带梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)进行数据增广,生成合成光谱以扩大有效样本量;以1D-ResNet18为基模型,分别或联合应用IWCARS和WGAN-GP进行优化。
- **评估指标**:分类任务采用准确率、召回率和F1分数;回归任务采用决定系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)和相对预测偏差(RPD)。
**4. 研究结果**
**4.1. 1D-CNN与GWO-SE-CNN的分析结果**
在基于LIBS光谱的产地鉴定中,传统机器学习模型SVM和RF分类性能相对有限,准确率分别为77.80%和69.89%。1D-CNN模型将准确率提升至82.19%。通过集成SE模块和GWO算法,GWO-SE-CNN模型进一步将LIBS光谱分类准确率提升至91.00%,F1分数达91.25%。SE模块有效突出关键特征通道并抑制噪声,GWO优化则增强训练稳定性和泛化能力。
在多模态融合方面,比较了三种融合策略:早期融合、分数级融合和特征级融合。特征级融合模型表现最佳,准确率达99.06±0.94%,召回率99.04±0.96%,F1分数99.06±0.94%。主成分分析(PCA)和t-SNE降维可视化显示融合特征空间中不同产地样本呈现明显的类内凝聚和类间分离,证实了多模态表示的强大判别能力。
**4.2. 定量预测与模型优化**
**4.2.1. 基线模型性能**
基线模型包括PLSR、SVR、随机森林和1D-ResNet18。1D-ResNet18在三种质量指标上都取得了最佳预测性能,但水分含量预测准确率相对较低,这归因于样本水分分布范围窄(8.80–13.14%)导致的弱光谱差异。
**4.2.2. IWCARS特征选择与SHAP分析**
IWCARS算法为丹参酮IIA、丹酚酸B和水分含量分别选择了10个、18个和27个关键波长。SHAP分析表明,所选波长与目标组分的理论分子吸收带一致:丹参酮IIA的波段与C-H和C=O相关泛频或组合吸收对应;丹酚酸B的波段与O-H和C-H振动信息相关;水分含量的波段与O-H吸收相关。这验证了模型的物理可解释性。
**4.2.3. WGAN-GP数据增广**
WGAN-GP模型为三种指标各生成了118个合成样本,使校正集总规模扩大至236个。定量评价中,最终FID值分别为12.0066(丹参酮IIA)、7.7409(丹酚酸B)和15.6893(水分含量),MMD值分别为0.1680、0.0716和0.0778,表明生成的光谱忠实反映了原始数据的统计特性。
**4.2.4. 最终集成性能与模型比较**
通过系统优化,不同指标的最佳建模策略呈现针对性差异:丹参酮IIA采用全光谱1D-ResNet18+WGAN-GP获得最佳性能(R2
p=0.9759,RMSEP=0.9378,RPD=6.511);丹酚酸B采用1D-ResNet18+IWCARS模型最佳(R2
p=0.9879,RMSEP=3.8675,RPD=9.1926);水分含量采用1D-ResNet18+IWCARS+WGAN-GP联合优化策略达到最高预测精度(R2
p=0.9683,RMSEP=0.2131,RPD=5.7239)。独立预测集上的预测值与实测值的一致性证实了这些最优模型的可靠性。
**5. 总结与结论**
本研究建立了一个整合地理产地鉴定与关键质量指标快速预测的丹参多模态评价框架。通过融合LIBS衍生的元素指纹和NIR-HSI衍生的分子光谱信息,该策略提供了更全面的样品质量表征,并减少了依赖单一光谱特征的局限性。优化的数据融合分类模型在产地溯源中表现出高准确率和稳定性,而定量的深度学习模型实现了对丹参酮IIA、丹酚酸B和水分含量的可靠预测,R2
p分别达0.9759、0.9879和0.9683。此外,IWCARS筛选出的特征波长与具有化学意义的谱带相关联,支撑了模型的可解释性和鲁棒性。总体而言,该工作证明了多模态光谱结合化学计量学建模用于丹参及其他植物原料快速、无损、多维度质量控制的潜力,未来研究可使用不同生产年份和地区的更大样本集进一步验证该框架的可迁移性。