基于高光谱与拉曼光谱的多级数据融合策略,结合腐败气体响应芯片实现虾类新鲜度的快速无损检测

《Food Control》:Rapid and Non-Destructive Detection of Shrimp Freshness Based on Multi-Level Data Fusion Strategies of Hyperspectral and Raman Spectroscopy Using a Spoilage Gas-Responsive Chip

【字体: 大 中 小 】 时间:2026年07月22日 来源:Food Control 7.0

编辑推荐:

  摘要 虾在储存过程中品质会下降,因此在食品行业中评估其新鲜度至关重要。本研究制备了一种能响应腐败气体的芯片,该芯片结合了高光谱成像与拉曼光谱技术,从而基于多级数据融合策略构建出一种多模态无损检测模型。研究对比分析了三种不同级别的融合策略:原始数据光谱融合、优化特征光谱融合以及

  摘要
虾在储存过程中品质会下降,因此在食品行业中评估其新鲜度至关重要。本研究制备了一种能响应腐败气体的芯片,该芯片结合了高光谱成像与拉曼光谱技术,从而基于多级数据融合策略构建出一种多模态无损检测模型。研究对比分析了三种不同级别的融合策略:原始数据光谱融合、优化特征光谱融合以及跨模型决策融合。实验结果表明,采用自适应贝叶斯加权进行决策的跨模型决策融合策略性能优异,Rp2、RMSEP和RPD值分别为0.9911、0.9056和10.3730。在后续的外部验证中,Rv2和RMSEV值分别为0.9352和2.1479,这表明该策略相比单模态模型及光谱融合模型具有显著优势。本研究为虾在储存过程中的快速无损新鲜度检测提供了一种有前景的方法。

引言
虾是全球水产品贸易与消费中的重要组成部分。它们富含营养,含有优质蛋白质、不饱和脂肪酸、维生素以及钙、镁、硒等必需矿物质。其高蛋白、低脂肪的特性被认为对心血管健康有益(Das & Mishra, 2023)。然而,虾的组织具有较高的内源酶活性和较高的微生物负荷,因此在非冷冻储存条件下极易变质(Zhuang et al., 2021)。腐败不仅会影响虾的风味和质地等感官特性,还会产生生物胺等有害物质,从而威胁消费者安全(Das & Mishra, 2023)。因此,在储存过程中持续监测虾的新鲜度对于降低健康风险、保障消费者权益具有重要意义。

气味是判断水产品新鲜度的重要感官指标,因为腐败会导致特定挥发性化合物的产生。总挥发性碱性氮(TVB-N)被视为评估水产品腐败程度的关键指标(Zhou et al., 2023)。TVB-N通常表示由蛋白质及其他含氮物质降解所产生的生物胺——主要是氨(NH3)、二甲胺(DMA)和三甲胺(TMA)——的累积浓度(Mohammadalinejhad et al., 2020)。凯氏定氮法仍是测定TVB-N的传统标准方法,该方法需要在碱性条件下对肌肉组织进行蒸汽蒸馏,以释放酰胺基团中的氨。不过,这种方法耗时较长且流程复杂,难以用于快速现场检测(Wang et al., 2023)。为此,越来越多的研究开始探索用于评估食品安全与新鲜度的替代技术。电子鼻(Srinivasan et al., 2020)、荧光光谱技术(Jia et al., 2019)、近红外光谱技术(Ghidini et al., 2021)、比色传感器阵列(CSA)(Jia et al., 2023)、高光谱成像技术(HIS)(Moosavi-Nasab et al., 2021)以及拉曼光谱技术(Filipec et al., 2021)等已被广泛用于监测食品新鲜度。然而,单模态检测方法存在信息维度有限、多源数据整合不足以及在处理复杂食品基质时灵敏度不够等问题(Wei et al., 2024)。

为克服这些局限,双模态或多模态数据融合策略逐渐成为研究热点。在食品质量检测领域,人们越来越倾向于将多种技术相结合,以弥补单一技术的不足(Robert et al., 2021)。将光谱技术与成像技术结合,可同时获取化学与物理数据。此外,将电子传感器与光谱分析相结合,还能进一步提升区分复杂挥发性成分的能力(Strani et al., 2024)。尽管取得了这些进展,当前的多技术融合方法在检测稳定性和灵敏度方面仍面临挑战,尤其是在处理批次间差异较大的实际食品基质时(Xiao et al., 2025)。在测量条件不断变化的情况下,融合模型的性能往往会下降。此外,缺乏自适应融合机制,使得这些模型无法动态调整不同检测模式的贡献程度(Mai et al., 2024)。而且,数据融合本身仍需进一步发展方法论,才能充分利用多源数据中的互补信息。因此,系统研究从低级到高级的层次化数据融合策略,对于提升食品新鲜度检测系统的稳健性与准确性具有重要意义。

数据融合可分为三个层次:低级、中级和高级。每一层级都有其独特优势,并且在无损食品检测领域有着广泛的应用(Xiao et al., 2025)。低级融合直接合并来自多个来源的原始数据流,从而保留每个数据集的全部细节。例如,Li等人通过低级融合将图像衍生的纹理特征与拉曼光谱相结合,构建了用于预测凝胶强度和持水能力的模型,且预测精度较高(凝胶强度Rp = 0.8954;持水能力Rp = 0.8887)(Li et al., 2026)。中级融合则在特征层面进行操作,通过整合来自各个模型的优化特征,在保持细节与提高模型可解释性之间取得平衡。Jiang等人证明,通过基于连续投影算法(SPA)并结合前馈神经网络(FNN)的中级融合方法,将近红外光谱数据与电子鼻数据相结合,能够准确预测玉米储存过程中的黄曲霉毒素B1含量,Rp2值为0.9867(Jiang et al., 2026)。高级融合则整合各个模型的输出结果,利用不同分析技术的互补优势,形成更为可靠的最终判断。Y. Li等人成功运用随机森林算法,在决策层面上融合傅里叶变换红外光谱与近红外光谱数据,实现了对中国五个地区人参地理来源的100%准确分类(Li et al., 2018)。总体而言,这些融合策略提升了分析模型的预测性能。在食品新鲜度评估中,目前大多数研究仍局限于单级或特征级融合,从而未能充分发挥多模态技术在决策过程中的互补作用。鉴于食品基质的复杂性,实现更全面的多模态信息整合对于获得准确且可靠的检测结果至关重要。

由于对挥发性有机化合物具有较高的敏感性,比色传感器被广泛用于监测食品新鲜度。然而,传统的CSA技术依赖于提取的R、G、B颜色坐标,这种做法可能无法充分反映指示物与挥发性化合物之间的复杂相互作用(Jeong et al., 2024)。为此,本研究开发了一种虾新鲜度检测系统,该系统将高光谱成像、拉曼光谱技术与一种能响应腐败气体的芯片相结合。这种SGRC芯片是通过在固体基底上排列多种能响应腐败气体的指示剂而制成的,当暴露于虾腐败过程中释放的挥发性化合物时,会产生可光学检测的颜色变化。这种颜色变化不仅涉及电子能级跃迁,还伴随着分子振动特性的变化(Wang et al., 2023)。可见光-近红外范围的高光谱成像能够为感兴趣区域内的每个像素捕获连续的光谱数据,这些数据主要反映了含氢基团的组合振动和泛频振动,同时对O–H和N–H等极性官能团也具有较高敏感性(Lun et al., 2025)。而拉曼光谱则是基于非弹性散射原理工作的,它能够检测入射光子与分子振动相互作用所引起的频率变化,对C–C、C=C和S–S等非极性基团具有很高的灵敏度(Lun et al., 2025)。因此,拉曼光谱能够提供独立的化学键合信息,从而有效补充高光谱成像和传统比色检测所得到的光学信号。由于这两种光谱技术所提供的信息具有互补性,将它们融合在一起可以更全面、更准确地从SGRC芯片中提取特征(Robert et al., 2021)。此外,与更常与比色传感技术结合使用的近红外光谱相比,高光谱成像能够同时从整个SGRC芯片表面获取数据,大大减少了芯片暴露在空气中的时间。这有助于减少单点扫描模式下可能出现的時間累积误差,进而提升数据的一致性。本研究开发的多模态策略显著提高了新鲜度评估的准确性与稳健性,为在虾储存过程中快速、无损地测定TVB-N提供了一种可行的方法。实验设计的流程图见图1。

材料
新鲜的白色对虾(Litopenaeus vannamei)购自厦门厦商国际海鲜交易中心。实验中所用的试剂均为分析级。无水乙醇、二氯甲烷、甲醇、氧化镁(MgO,98%)以及硼酸(H3BO3,≥99.95%)均购自上海麦克林生化有限公司。盐酸标准滴定溶液则购自厦门海标科技有限公司。

腐败气体敏感指示剂的筛选结果
本研究开发了一种由15种化学染料组成的3×5指示剂阵列,其中包括9种卟啉类染料和6种pH指示剂。图中展示了样品在储存第1天、第3天、第5天和第7天时,这15种指示剂的R、G、B颜色分量的变化情况。图2则显示了在1至7天的储存期间,这15种指示剂的RGB响应差异的欧几里得距离变化趋势。与卟啉类染料相比,pH指示剂表现出更强的RGB响应特性。

结论
本研究通过将SGRC芯片与高光谱成像及拉曼光谱技术相结合,构建了一种用于评估虾新鲜度的多级数据融合策略,并系统比较了不同层次数据融合策略的效果。研究结果表明,虽然原始数据融合和优化特征光谱融合策略能够在一定程度上整合多模态信息,但它们带来的预测性能提升十分有限,且存在一定的局限性。
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