《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Raman spectral analysis of Chinese yam for geographical origin discrimination using an attention-enhanced deep learning approach
编辑推荐：
摘要薯蓣属植物（中国山药）是一种兼具药用和食用价值的植物，其化学成分及光谱特征会受到产地的影响。因此，开发一种快速且无损的拉曼光谱分析方法，对于识别不同产地山药样本的光谱差异至关重要。本研究采用基于注意力机制的深度学习方法来分析中国山药的复杂拉曼光谱。通过结合多尺度特征提取与自适
摘要
薯蓣属植物（中国山药）是一种兼具药用和食用价值的植物，其化学成分及光谱特征会受到产地的影响。因此，开发一种快速且无损的拉曼光谱分析方法，对于识别不同产地山药样本的光谱差异至关重要。本研究采用基于注意力机制的深度学习方法来分析中国山药的复杂拉曼光谱。通过结合多尺度特征提取与自适应特征增强技术，该方法有效减少了峰值重叠现象，提升了那些难以区分产地特征的弱光谱模式的表达能力，同时还降低了背景干扰。研究共收集了来自六个主要产区的192份山药切片样本的960组拉曼光谱数据。所提出的方法实现了98.08%的分类准确率，这一成绩优于传统的机器学习模型以及常规的一维卷积神经网络。注意力可视化分析进一步表明，该模型能够聚焦于具有化学意义的拉曼指纹区域，从而提升了光谱特征提取的可解释性。这些结果证明，将拉曼光谱与基于注意力机制的深度学习相结合，是一种高效且无损的策略，可用于区分薯蓣属植物的产地，以及分析各种复杂的药用和食用植物样本的光谱特征。
引言
薯蓣属植物（中国山药）是一种重要的药用和食用植物，广泛应用于食品工业和传统中医领域。其块茎中含有丰富的生物活性成分，包括淀粉、非淀粉多糖、蛋白质、氨基酸、皂苷、黄酮类化合物、尿囊素以及酚类物质[11]、[22]、[25]、[26]、[54]，这些成分具有多种生物活性，如抗氧化、抗炎、降糖以及调节免疫功能等[8]、[15]、[46]、[52]。除了具备营养和药用价值外，中国山药在食品工业中也发挥着重要作用，其黏液蛋白和功能性多糖有助于提升食品的质地和加工性能[9]。值得注意的是，薯蓣属植物的化学成分及其功能品质在很大程度上取决于其产地。例如，温县出产的真品山药，其关键代谢物的含量明显高于其他非正宗产区的产品[4]、[37]、[39]。因此，产地不仅决定了产品的质量，还会直接影响其市场价值以及品牌信誉。然而，出于经济利益的考虑，出现掺假和虚假标注产地的现象越来越普遍，这严重威胁到了食品的真实性、消费者的信任度以及地理标志产品的保护。所以，开发一种快速、可靠且无损的光谱分析方法，用于识别中国山药中与产地相关的化学差异，对于区分产地和评估产品质量具有重要意义。
目前，用于鉴别薯蓣属植物产地的传统方法，如宏观和微观鉴定，过度依赖专家经验，且不适用于山药粉或山药片等加工后的产品形式[7]、[51]。为提高分析精度，人们引入了质子核磁共振(1H NMR)、高效液相色谱法（HPLC）以及稳定同位素分析等先进技术。这些方法在分析葡萄酒和草药等物质的成分构成及鉴别产地方面表现出较强的能力[18]、[27]、[28]。此外，基于同位素的分析方法以及多元素分析技术在各类食品溯源应用中也展现了出色的分类性能[21]、[23]、[43]。不过，这些技术通常需要复杂的样品预处理流程、昂贵的检测设备以及较长的分析时间，这就限制了它们在快速现场检测中的应用[41]、[45]。
近年来，近红外光谱技术被广泛用于快速且无损地鉴别农产品的产地。已有研究表明，该技术能够在相对较高的准确率下用于追溯咖啡、榛子以及金银花的产地[13]、[35]、[36]。然而，当应用于含水量高且结构复杂的生物样本，如中国山药时，近红外光谱技术存在一定的局限性。宽泛的重叠吸收带以及强烈的水分子干扰常常会掩盖那些具有辨识度的信息，从而降低分类的可靠性。相比之下，拉曼光谱具有更高的光谱分辨率，且对水分子干扰的敏感度较低，因此特别适合用于分析新鲜或含水量较高的样本[30]。
作为基于分子散射的振动光谱技术，拉曼光谱可以通过检测特定化学键产生的非弹性散射信号，直接获取分子的指纹信息[1]、[14]。由于其样品预处理要求简单、检测速度快且属于无损分析技术，拉曼光谱已被广泛应用于农业、食品质量控制以及中药分析领域。拉曼光谱能够捕捉到由环境因素和地理位置差异所引起的化学成分的细微变化，从而为产地溯源提供可靠的依据[5]、[34]、[44]、[53]。此前的研究已经证明了将拉曼光谱与机器学习算法相结合用于产地分类的可行性，在某些情况下能够实现较高的分类准确率[12]。但是，中国山药的复杂基质中含有大量的淀粉、黏液蛋白以及多糖，这些成分会导致严重的峰值重叠现象，使得低丰度化合物产生的信号较弱，同时还存在由荧光和散射效应引发的背景干扰。这些问题都极大地阻碍了可靠且具有辨识度的光谱特征的有效提取。
为克服这些局限，人们广泛研究了化学计量学方法和机器学习方法。支持向量机以及随机森林这类传统模型依赖于人工设计的特征或全局统计模式，可能无法捕捉光谱数据中的非线性关系以及细微变化。尽管深度学习方法，尤其是二维卷积神经网络（1D-CNNs），在光谱分类任务中表现出了更好的性能[3]、[37]、[39]、[49]、[50]，但现有的许多架构并非专为处理一维光谱信号而设计。因此，这类模型往往难以同时兼顾局部峰特征与长距离依赖关系，这限制了它们提取那些虽强度较低但具有重要信息的光谱特征的能力，也会影响其泛化性能[16]、[32]、[33]、[38]。
因此，基于拉曼光谱技术实现中国山药产地溯源的关键科学难题在于，如何在保留有意义化学信息的同时，有效提取出那些弱且相互重叠的光谱特征。本研究为此开发了一种基于注意力机制的深度学习框架，通过结合多尺度特征提取与自适应特征增强机制来解决这一问题。该方法的目的是更好地呈现与产地相关的细微生化差异，同时降低背景干扰。研究基于从六个主要产区收集的960组拉曼光谱数据，系统地评估了所提出方法的性能，并将其与传统的机器学习模型以及深度学习模型进行了对比。实验结果表明，这种策略不仅提升了分类的准确率，还提高了结果的可解释性，为快速、无损且可靠地鉴别中国山药的产地提供了一种有效方案。这项工作也为开发可用于识别和分类复杂药用及食用植物样本中与产地相关化学特征的、具有良好可解释性的拉曼光谱分析方法做出了贡献。
内容节选
材料
中国山药样本（薯蓣属植物）是从位于中国河南省郑州市的河南张仲景药业有限公司获得的。这些山药切片来自中国的六个主要产区，包括广西壮族自治区桂平市的金田镇、河北省安平县、湖北省恩施州的咸丰县、河南省焦作市的温县、山东省菏泽市以及云南省楚雄州。这些产地的地理
拉曼光谱分析
本研究分析了来自中国六个不同产地的薯蓣属植物样本的拉曼光谱特征。图5(a)–5(f)展示了这些样本的地理分布情况，而图5(g)–5(l)则呈现了对应各个产地的平均原始拉曼光谱。拉曼光谱中的峰值反映了山药中各化学成分的分子指纹特征。在图5(g)–5(l)中，有三个较为明显的特征区域被标出，以便人们能够大致了解主要的拉曼
讨论
本研究表明，在样本级评估体系下，将拉曼光谱技术与SCANeXt模型相结合，能够以较高的分类准确率区分来自六个不同产地的中国山药样本。SCANeXt模型相比传统的机器学习模型以及常规的一维深度学习架构表现更为优异，这一事实说明，中国山药拉曼光谱中所包含的与产地相关的信息，无法仅通过全局统计描述符或简单的局部特征来完全捕捉
结论
本研究提出了一种基于拉曼光谱技术的薯蓣属植物产地鉴别方法，该方法引入了基于注意力机制的深度学习模型（SCANeXt），用以提升光谱特征提取以及分类的效率。通过结合多尺度特征学习与自适应注意力机制，该方法能够有效地捕捉与关键生化成分相关的局部及全局光谱特征。基于实验所得的结果
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财务利益关联或个人关系。
致谢
本研究部分得到了河南省科学技术研究计划（项目编号：252102311281）、国家自然科学基金（项目编号：62401199和62373136）、河南工业大学复杂性科学研究所开放课题（项目编号：CSKFJJ-2026-14和CSKFJJ-2026-1），以及河南工业大学科研启动基金（项目编号：2024BS085）的支持。
高书民|吴荣轩|杨志清|陈敏|张浩凡|秦瑶|张梦雅|李鹏
河南工业大学复杂性科学研究所，中国郑州450001
