《Frontiers in Sustainable Food Systems》:Portable hyperspectral imaging combined with interpretable PLS-DA-SHAP for geographical origin traceability and authenticity discrimination of Poria cocos (Schw.) Wolf (Fushen)
编辑推荐:
摘要
引言:茯苓(Poria cocos (Schw.) Wolf,茯神)是一种兼具食用与药用价值的真菌。该真菌的品质随地理来源不同而存在差异,且市场上存在以川神(Chuanshen)进行商业替代的现象。
方法:本研究开发了一种利用便携式高光谱成像(hyp
摘要
引言:茯苓(Poria cocos (Schw.) Wolf,茯神)是一种兼具食用与药用价值的真菌。该真菌的品质随地理来源不同而存在差异,且市场上存在以川神(Chuanshen)进行商业替代的现象。
方法:本研究开发了一种利用便携式高光谱成像(hyperspectral imaging,HSI;400–1,000 nm)结合可解释机器学习,对茯神进行地理来源溯源与真伪鉴别的快速、无损检测方法。研究评估了四个茯神产区的判别潜力。比较了偏最小二乘判别分析(partial least-squares discriminant analysis,PLS-DA)、支持向量机(support vector machine,SVM)和多层感知机(multilayer perceptron,MLP)三种模型,并应用连续投影算法(successive projections algorithm,SPA)和SHapley Additive exPlanations(SHAP)算法进行特征波长选择与模型解释。
结果:PLS-DA-SHAP策略表现出最佳的综合性能。经SHAP波长选择后,结合一阶导数(first derivative,D1)预处理的PLS-DA模型在地理来源溯源中达到92.33%的准确率,而使用原始光谱的PLS-DA模型在真伪鉴别中达到100%的准确率。白色茯神外层(M2)的区域判别准确率最高,达到100%。波长893 nm、896 nm以及881 nm和423 nm分别被确定为地理来源溯源、全数据集(All)真伪鉴别及M2真伪鉴别的关键贡献波长。
讨论:这些发现支持将便携式HSI作为茯神及相关药食同源材料现场品质评估的实用工具。
论文解读:基于便携式高光谱成像与可解释机器学习策略的茯苓(茯神)地理来源溯源与真伪鉴别研究
**一、研究背景与意义**
茯苓(Poria cocos (Schw.) Wolf,商品名茯神)是一种隶属于多孔菌科的腐生真菌,常寄生于松属植物根部并形成致密的白色菌核,天然包裹松根生长部分,在中国被称为茯神。茯神主要分布于亚洲、美洲、大洋洲及非洲部分地区,中国是其主要栽培国。作为典型的药食同源代表物种,茯神在食品工业中具有悠久应用历史,产品涵盖粥品、糕点、药茶及滋补汤羹等,其富含多糖和三萜类等生物活性成分,并表现出改善睡眠和抗焦虑等功效,显示出作为功能性食品配料的巨大潜力。
然而,茯神的品质受产地条件(如土壤、气候和栽培方式)影响,不同产区(如安徽、云南、湖北、湖南等)的关键功能组分可能存在差异。更为严峻的是,市场上存在外观酷似真品的伪品——川神(Chuanshen,CS),系在茯苓(Poria cocos,PC)生长后期人为将松根插入菌核而形成。真品茯神中松根本质纤维素在菌核发育过程中与菌丝体发生生物转化,导致活性成分变化;而川神中松根与PC共生期较短,成分与真品差异显著。此外,茯神块可分为茯神木、白色茯神内层、白色茯神外层和茯神皮四个区域,各区域化学组成不同,但真伪品在这些区域间的差异及利用区域特征进行伪品鉴别的可行性尚不明确。因此,亟需一种可靠方法以识别茯神的地理来源、真伪及区域特征,为产品质量控制提供支撑。
传统食品检测方法如液相色谱-质谱联用、气相色谱-质谱联用及超高效液相色谱-四极杆飞行时间质谱虽具有高分析精度,但存在流程复杂、分析时间长、成本高及破坏性前处理等局限。近红外光谱技术虽为快速分析手段,但仍面临灵敏度低、依赖化学计量学模型及模型可解释性不足等挑战。高光谱成像(hyperspectral imaging,HSI)集成光谱分析与成像采集,无需复杂化学前处理即可同时获取样品空间和光谱特征,与机器学习算法结合后已在食品安全领域广泛应用。但传统HSI系统体积庞大、操作环境要求高,限制了便携式部署和现场检测。便携式光谱仪器结构紧凑,更适合现场应用,如SPECIM IQ已成功用于藏红花产地鉴别和大米掺假定量检测。然而,便携式高光谱数据存在高维度、计算效率有限及模型可解释性不足等问题。为此,可采用连续投影算法(successive projections algorithm,SPA)和SHapley Additive exPlanations(SHAP)进行特征波长选择,实现降维和效率提升,并通过SHAP量化各波长边际贡献,增强模型决策可解释性。
本研究基于上述背景,利用便携式HSI结合可解释机器学习对茯神进行地理来源溯源与真伪鉴别,旨在为功能性食品原料的快速无损检测提供技术参考。研究具体目标包括:采集不同地理来源及真伪茯神样本的HSI数据并将样本分为四个区域;比较支持向量机(support vector machine,SVM)、偏最小二乘判别分析(partial least-squares discriminant analysis,PLS-DA)和多层感知机(multilayer perceptron,MLP)三种算法在六种预处理方法下的分类性能;利用SPA和SHAP进行特征波长选择、降维及分类效率提升,并解释波长与样本间的关系。
**二、主要技术方法**
研究人员从中国五个道地产区(安徽金寨AJ、安徽岳西AY、湖北HB、湖南HN、云南YN)采集100块真品茯神(每产地20块),并从安徽金寨采集30块伪品川神样本。所有样本经安徽中医药大学杨青山副教授鉴定。使用SPECIM IQ便携式高光谱相机(芬兰SPECIM Spectral Imaging Ltd.)在400–1,000 nm波段范围、204个波段、512×512像素空间分辨率条件下采集图像。通过感兴趣区域(region of interest,ROI)提取光谱数据,将真伪品样本从内向外划分为四个区域:茯神木(FSM)、白色茯神内层(M1)、白色茯神外层(M2)和外周菌核(M3)。应用六种预处理方法包括多元散射校正(multiplicative scatter correction,MSC)、一阶导数(first derivative,D1)、二阶导数(second derivative,D2)、标准正态变量(standard normal variate,SNV)、Savitzky–Golay平滑(Savitzky–Golay smoothing,SG)和小波变换(wavelet transform,Wave)。构建SVM、PLS-DA和MLP三种分类模型,采用网格搜索结合10折交叉验证优化参数。应用SPA和SHAP进行特征波长选择与模型解释。模型评估使用混淆矩阵计算准确率、精确率、召回率和F1分数。
**三、研究结果**
**3.1 光谱曲线分析**
不同产地茯神的平均原始光谱曲线在400–900 nm范围反射率上升,约850–900 nm达到最大值,随后在900–1,000 nm间逐渐下降。安徽产(AJ和AY)样本反射率高于其他产区,HB居中,YN和HN相对较低。真品茯神四个区域光谱呈FSM < M1 < M2 < M3的反射率递增趋势,M2的光谱轮廓与All相似。伪品茯神中M1、M2和M3的光谱与All高度一致,而FSM光谱轮廓不同。M2在四个伪品区域中反射率最高。真伪品中FSM均表现为低反射率且曲线模式相似。
**3.2 全波长模型性能比较**
在地理来源溯源任务中,三种模型训练集准确率均不低于98.92%,SVM和PLS-DA测试集准确率均为98.33%,优于MLP的98%。在All数据集真伪鉴别中,PLS-DA测试集达到100%的准确率、精确率、召回率和F1分数,优于SVM和MLP。四个区域测试集准确率依次为M2(99.17%)> M3(98.33%)= M1(98.33%)> FSM(90%),M2准确率最高。
**3.3 预处理方法选择**
在地理来源溯源中,D1预处理显著提升分类性能,使测试集准确率、精确率、召回率和F1分数均达到100%;MSC和D2分别将测试集准确率提升至98.67%和99.00%;SG和Wave预处理反而降低了分类准确率。在真伪鉴别任务中,原始光谱已提供高分类精度,All数据集测试集准确率达100%,M2为99.17%。对于All数据集,MSC、D1、D2和SNV维持100%准确率,SG和Wave降至99.17%;对于M2,大部分预处理维持99.17%,D2降至96.67%。因此,地理来源溯源选择D1预处理以最大化判别能力,真伪鉴别采用原始光谱以降低模型复杂度和计算成本。
**3.4 特征选择分类结果**
对于地理来源溯源,SPA保留34个波段(占总波长16.67%),测试集准确率降低9.33个百分点;SHAP保留65个波段(占31.86%),准确率降低7.67个百分点,SHAP优于SPA。对于All和M2真伪鉴别,SPA分别选择24和20个波段,测试集准确率分别降低0.83和1.67个百分点;SHAP分别为All选择55个波段(保持100%准确率)和为M2选择50个波段(准确率从99.17%提升至100%)。SHAP在模型简化和分类性能间取得了更好平衡,PLS-DA-SHAP被选为最优建模策略。混淆矩阵显示,经SHAP特征选择后,HB类别在地理来源溯源中错分最多,其中AJ接受了最多错分样本(7个),YN无错分样本;All和M2真伪鉴别任务中均无错分。
**3.5 SHAP可解释性分析**
地理来源溯源中贡献最大的三个波长为893、850和844 nm(平均SHAP值分别为6.083、5.511和5.488),其中893和844 nm贡献正向预测,844 nm归属于C-H伸缩与C-H弯曲组合振动。All真伪鉴别中最重要的波长为896、869和881 nm(平均SHAP值1.176、1.048和0.929),896和869 nm呈正贡献,881 nm为负贡献,属于C-H伸缩三级倍频。M2真伪鉴别中贡献最大的两个波长为881 nm(负贡献,可能与三萜成分相关)和423 nm(正贡献,位于可见光区反映样品颜色信息)。模型选择的高贡献波长主要集中于短波近红外区(720–920 nm),对应与氢键结合的O-H和C-H基团三级倍频,这些特征波长可能反映不同地理来源和真伪类别样本间三萜和多糖含量的差异。
**四、讨论与结论**
研究表明,便携式HSI结合可解释机器学习能够实现对茯神的快速无损地理来源溯源与真伪鉴别。PLS-DA在处理高维度和强共线性高光谱数据时表现出稳定的分类性能,与以往在药食同源材料中的应用一致。D1预处理改善了地理来源溯源精度,而原始光谱在真伪鉴别中已足够。SHAP优于SPA,在M2中特征选择后准确率从99.17%提升至100%。SHAP分析识别的关键波长(893、896、881和423 nm)可基于分子振动原理归属,与茯神中多糖和三萜等成分的C-H和O-H键振动模式相关。研究存在样本量有限、便携式相机对外界光照敏感等局限,但该方法特别适合农产品流通中心和产地收购点等户外场所的快速筛查。M2策略适合优先考虑效率的现场快速筛查,All策略在需要最高可靠性的确证检验中更受青睐。
本研究开发的PLS-DA-SHAP模型在地理来源溯源中准确率达92.33%,真伪鉴别性能与全波长分析相当(准确率100%),M2在四个区域中真伪鉴别准确率最高。SHAP通过关键波长分析增强了模型可解释性。总体而言,该研究为茯神及其他药食同源材料的品质评价提供了方法学参考,验证了便携式HSI设备在此类产品检测中的可行性。该成果发表于《Frontiers in Sustainable Food Systems》期刊。