《Computers and Electronics in Agriculture》：Meteorology-driven early warning of aflatoxin risk in peanuts using combinatorial data augmentation and contrastive learning
编辑推荐：
•有助于提前识别黄曲霉毒素风险，这是花生生产中的重要问题。•提出了一种新的CDA-CL框架，以应对标记数据不足的问题。•在性能上可与多种先进方法相媲美，具备出色的风险筛查能力。•为农业领域的主动风险管理提供了人工智能框架。引言黄曲霉毒素污染对食品安全、公共健康以及农业贸易构成了持
• 有助于提前识别黄曲霉毒素风险，这是花生生产中的重要问题。
• 提出了一种新的CDA-CL框架，以应对标记数据不足的问题。
• 在性能上可与多种先进方法相媲美，具备出色的风险筛查能力。
• 为农业领域的主动风险管理提供了人工智能框架。
引言 黄曲霉毒素污染对食品安全、公共健康以及农业贸易构成了持续威胁。这类物质具有毒性且会致癌，不过其危害程度会因受影响物种、年龄、剂量以及生理状况的不同而有所差异（Baan等人，2009；Nie等人，2025；Rushing和Selim，2019；Wild和Gong，2010）。它们对公共健康的危害还体现在会增加全球肝细胞癌的发病率上（Liu和Wu，2010）。因此，相关监管标准通常设定在微克/千克的水平。在中国，花生中黄曲霉毒素B1 的允许最大浓度为20微克/千克。污染还会导致产品被拒收、产后损失以及贸易限制。花生尤其容易受到污染，因为在适宜的环境条件下，黄曲霉和寄生曲霉就能产生黄曲霉毒素（Kumar等人，2021；Xue等人，2025）。
随着对有效黄曲霉毒素风险评估需求的增加，人们开始研发各种缓解、检测和预测方法（Zhou等人，2023）。电子鼻系统结合气相色谱质谱技术，可用于识别与黄曲霉感染相关的挥发性化合物（Loutfi等人，2015）。高光谱成像和神经网络也被用来通过特征光谱信息估算黄曲霉毒素B1 的浓度（Yao等人，2025）。其他研究还包括基于土壤消毒的缓解措施（Guo等人，2024）、针对黄曲霉毒素前体蛋白生物标志物的高灵敏度免疫分析方法（Fu等人，2024），以及更广泛的产后控制策略（Magan和Aldred，2007）。这些方法虽然提升了污染检测能力和对相关机制的理解，但通常需要单独的样本以及专业的检测设备。
大多数基于样本的检测方法都需在采样之后才能确定是否存在真菌感染或毒素浓度（Guo等人，2026）。因此，在实验室确认结果之前，它们难以用于指导大规模生产区域的监测工作。有必要采用区域性的补充方法，根据各区域超过监管标准的概率来筛选相关生产记录。在这种情况下，模型输出应被视为用于指导监测和进一步检测的风险筛查结果，而非已经确认存在污染的证据（Jallow等人，2021）。
由于黄曲霉毒素的形成深受环境条件影响，气象观测数据可为区域性风险筛查提供可扩展的基础。温度会影响真菌的生长和黄曲霉毒素的产生，而湿度与降雨量则会影响孢子的萌发、扩散以及作物的水分状况（Medina等人，2015；Perrone和Gallo，2017）。在广阔的生产区域内，气象观测数据的获取也比实验室检测更为便捷。基于这些气象数据的模型有助于确定哪些地区需要加强采样、干燥、隔离或进一步检测工作（Gachara等人，2024）。
气候变化带来的温度和水分变化，可能会进一步改变有利于黄曲霉毒素污染产生的环境条件（Magan等人，2011；P?rtner等人，2022）。在玉米种植方面的建模研究表明，气候变暖可能会扩大黄曲霉毒素B1 污染的分布范围，从而提高未来的暴露风险（Battilani等人，2016；Chauhan等人，2008）。气候变异与粮食生产环境之间的相互作用，进一步凸显了开展基于气象数据的可扩展风险评估的必要性（Chhaya等人，2022）。不过，从玉米研究或长期气候情景中得到的结论，若不经过针对特定作物的验证，很难直接应用于短期的花生风险预测。
由于可用于训练模型的标记黄曲霉毒素数据十分有限，且高风险样本相对少见，开发可靠的基于气象数据的模型依然面临诸多困难（Stutt等人，2023）。因此，现有的预测模型往往整体性能不佳，对于高风险样本的识别率也很低（Guo等人，2022）。低识别率尤其成问题，因为误判为阴性可能会导致受污染的样本无法得到进一步检测。传统的机器学习模型和序列学习模型，在处理数据量较少的情况时也容易出现过拟合现象，或者在训练数据严重不平衡时偏向于多数类别。
本研究旨在开发一种机器学习框架，并对其性能进行独立评估，该框架可用于预测花生的黄曲霉毒素B1 浓度是否达到或超过20微克/千克的标准。该框架利用了收获前30天的气象数据，专为标记数据较少且类别分布不平衡的情况设计。其预测性能已与多种常见的机器学习和深度学习模型进行了比较。通过该框架得出的分类结果，可用于在收获阶段开展基于风险的监测和进一步检测工作。
章节摘要 花生采样与黄曲霉毒素B1 检测 本研究使用了2009年至2022年间中国主要花生产区的产后污染数据。这些数据由农业农村部油料产品质量检验检测中心提供。样本通常是在晒干、风干或必要时进行机械干燥之后采集的。
原始的采样记录保存在村级行政单位，但由于缺乏精确的农田坐标信息
数据集特征与整体性能对比 最终的数据集包含2009年至2022年间收集的1,304条县级年度记录。其中141条被归类为高风险，1,163条为低风险，整体高风险占比为10.8%。黄曲霉毒素B1 的浓度呈现明显的右偏分布，总体中位数为0.00微克/千克，四分位数区间为0.00–1.15微克/千克（见表2）。
每年低风险记录的数量都占多数，2021年为43条，2012年为148条。而高风险记录的数量则从1条逐渐增加到12条
特征相关性及预测因子作用 共有四组高度相关的气象预测因子，其相关性系数r ≥ 0.90
使用精简后的预测因子集合构建的模型，其准确率为0.74，召回率为0.59，精确率为0.42，F1值为
对花生生产中黄曲霉毒素风险监测的启示 食物损失并不仅指收获后作物量的减少，还包括因产品不符合质量或安全标准而导致的经济价值损失、食用适用性下降以及市场准入受限等问题。全球食品供应链中的损失与土地、水和肥料资源的大量浪费密切相关（Kummu等人，2012），而经济评估也表明，食物损失会给食品产业带来巨大的经济负担（Buzby和Hyman，2012）。黄曲霉毒素
结论 本研究通过整合组合数据增强、时间特征提取以及对比学习技术，开发了一种用于花生黄曲霉毒素风险筛查的CDA-CL框架。该框架旨在解决现有数据集中存在的两个核心问题，即标记数据不足以及高风险样本稀缺的问题。
在经过数据增强的测试集上，该CDA-CL框架的准确率为0.82，召回率为0.80，精确率为0.55，F1值为0.65，且模型能够实现较好的类别平衡
CRediT作者贡献说明 郭灿： 论文撰写——审阅与编辑、模型验证、正式分析、数据整理。 刘远杰： 论文撰写——审阅与编辑、初稿撰写、结果可视化、软件应用、资源获取、方法设计、资金申请、研究构思。 张良晓： 研究构思、项目监督、资金申请、实验研究。 王杜： 实验研究。 林建汉： 项目监督。 李培武： 研究构思、项目监督、资源协调、资金申请。
利益冲突声明 作者声明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 本研究得到了以下机构的支持：中国国家自然科学基金 （编号32441047资助给P.L.，编号61807032资助给Y.L.）、中国农业研究体系 专项基金（编号CARS-13资助给L.Z.）、浙江省的“先锋计划”和“领雁计划”（编号2024SSYS0103资助给P.L.），以及中国农业科学院 的农业科技创新计划（编号CAAS-ASTIP-2026-OCRI资助给P.L.和L.Z.）。
郭灿|刘远杰|张良晓|王杜|林建汉|李培武
