《Journal of Food Composition and Analysis》：Reaction-informed spectral feature packets for lightweight Vis/NIR screening of sulfur-fumigation process states in plant-derived materials
编辑推荐：
硫熏会导致植物源材料出现有序的光学及基质相关变化，包括类似漂白的反射率变化、水分/基质改变以及空间异质性。本研究开发了一种轻量级的硫响应信息光谱特征包（Sulfur Response-informed Spectral Feature Packet, SR-S
硫熏会导致植物源材料出现有序的光学及基质相关变化，包括类似漂白的反射率变化、水分/基质改变以及空间异质性。本研究开发了一种轻量级的硫响应信息光谱特征包（Sulfur Response-informed Spectral Feature Packet, SR-SFP）框架，用于快速筛查预定义的熏蒸工艺状态。研究人员引入化学参考测量，以评估工艺状态标签与熏蒸相关成分变化之间的对应关系。研究分析了两个31波段的可见-近红外（Vis/NIR）成像数据集：枳壳（Fructus Aurantii，400个全感兴趣区域样本）和制半夏（processed Pinelliae Rhizoma，800个全感兴趣区域样本），每个数据集均涵盖未处理对照、轻度、中度和重度熏蒸状态。SR-SFP将感兴趣区域光谱及图像衍生的异质性描述符转换为可解释的数据包，分别代表类似漂白响应、水分/基质响应、组织异质性以及有序工艺状态演变。采用板级分组验证以防止感兴趣区域泄漏，所有预处理和特征选择操作仅在训练折内拟合。最佳常规基准模型SNV+D1-XGBoost的平均Macro F1达到0.9238，而SR-SFP-XGBoost达到0.9113，且严重误差控制相当。消融实验和64特征压缩验证了其稳健的轻量级筛查性能。因此，SR-SFP为熏蒸工艺状态筛查和风险分级提供了一种可解释的策略。
论文解读：基于反应信息光谱特征包的植物源材料硫熏工艺状态轻量级Vis/NIR筛查研究
**研究背景与问题**
硫熏是中药材和食品加工中常见的处理方式，但过度熏蒸可能带来安全风险。传统的硫熏检测主要依赖化学分析法，如二氧化硫残留量测定，这类方法耗时且需要化学试剂，难以满足快速筛查需求。可见-近红外（Vis/NIR）光谱和成像技术因其非破坏性和快速性，在食品和农产品质量检测中应用广泛。然而，现有研究多关注分类任务，未充分考虑硫熏过程的有序性——即从对照、轻度、中度到重度熏蒸是一个连续递变的过程，相邻状态间的误判与跨级误判的风险不对称。此外，多光谱成像数据维度较高，直接建模容易过拟合，且缺乏可解释性。现有研究在验证时往往忽视同一物理样本上多个感兴趣区域（ROI）之间的相关性，导致信息泄漏。因此，需要一种既能反映硫熏反应本质特征、又能实现轻量级部署且验证严格的分析框架。
**研究内容与结论**
研究人员提出了一种硫响应信息光谱特征包（SR-SFP）方法，将31波段Vis/NIR图像中的ROI光谱和图像衍生异质性描述符转换为四类可解释特征包：类似漂白响应、水分/基质响应、组织异质性以及有序工艺状态演变。研究采用两种代表性植物源材料：枳壳（Fructus Aurantii，来源于江西宜春）和制半夏（processed Pinelliae Rhizoma，来源于甘肃西河县），每类材料包含对照、轻度、中度、重度四个状态，其中枳壳每个状态25个成像板、每板4个全ROI，共400个样本；制半夏每个状态10个成像板、每板20个全ROI，共800个样本。总计140个成像板和1200个全ROI样本。此外还设置了独立外部验证集，每材料每状态40个样本，共320个外部样本。硫熏处理在密封20L腔室中进行，硫粉用量分别为0、2.5、5.0、10.0克，熏蒸时间均为2小时，对应硫负荷为0、5、10、20 g/kg。熏蒸后测定二氧化硫残留量作为化学参考。成像系统为自制31通道LED照明模块，波长范围365-980 nm，空间分辨率1600×1200像素。ROI分割采用Otsu阈值法和形态学操作，提取均值和标准差光谱以及几何和强度描述符。验证采用分层板组留出法，将成像板作为独立分组单元，防止ROI泄漏。所有预处理、特征选择和模型参数仅在训练折内拟合。对比了多种常规机器学习模型（PLS-DA、LDA、SVM、随机森林、XGBoost、MLP）和轻量级深度学习模型（1D-CNN、ResNet1D、Transformer1D）。主要结论：SR-SFP-XGBoost在板组验证下平均Macro F1为0.9113，接近最佳常规基准SNV+D1-XGBoost的0.9238，且严重误差率更低（1.01% vs 1.12%）。完整SR-SFP特征包优于单独特征包和原始光谱，64特征压缩后性能保持稳定。材料特异性验证显示制半夏更易区分（最佳LDA Macro F1=0.9787），枳壳较难（最佳XGBoost Macro F1=0.8605）。直接跨材料迁移性能极低（Macro F1仅0.1545），但混合材料池化建模可达0.9094，表明材料感知的池化建模可行。独立外部验证中，枳壳准确率0.8125，制半夏0.9438，总体准确率0.8781，且外部错误中38/39为相邻级错误，仅1个严重错误。该研究为硫熏工艺状态筛查提供了可解释、轻量级且验证严格的策略，支持材料感知的工艺状态分级而非通用跨材料预测。
**主要技术方法**
研究采用的关键技术包括：自建31波段Vis/NIR成像系统（LED照明模块、积分球、CCD相机），用于获取光谱图像立方体；基于Otsu阈值和形态学的ROI自动分割，提取全ROI、中心、边缘等多区域特征；SR-SFP特征构造，将光谱转换为四类反应信息特征包（漂白、水分/基质、组织异质性、有序强度）；板级分组验证防止信息泄漏，采用重复分层分组留出法（5个随机种子）；模型中采用XGBoost、LDA、SVM等常规方法及轻量级深度学习基线，并比较了不同预处理（SNV、一阶导数等）和特征选择（互信息）的效果。外部验证使用独立批次和独立采集会话。
**研究结果**
**化学参考验证**：二氧化硫残留量随预定义硫负荷呈有序增加，轻、中、重度组间差异显著（p<0.05），支持了工艺状态标签的有效性。制半夏的二氧化硫残留量高于枳壳，表明保留行为具有材料依赖性。
**光谱与特征空间行为**：平均光谱显示材料特异性基线和类别相关强度趋势。主成分分析（PCA）显示制半夏重度熏蒸类沿PC2明显分离，枳壳中度与重度类重叠较大。特征消融实验表明，完整SR-SFP优于原始光谱和任何单独特征包，一阶导数预处理最佳，64特征子集为最佳紧凑操作点。
**主要验证性能**：板组验证下，最佳基准SNV+D1-XGBoost达到Macro F1=0.9238，SR-SFP-XGBoost（D1预处理）达到0.9113，严重误差率分别为1.12%和1.01%。配对Wilcoxon检验p=0.8125，差异不显著。混淆矩阵显示大多数错误发生在相邻状态之间（轻度和中度），严重错误罕见。
**消融与压缩**：完整SR-SFP（82特征）在序数模型中Macro F1为0.8619，优于原始光谱（0.7560）和所有子集组合。64特征压缩达到0.8673，略高于完整特征。系统组合消融表明四种特征包提供互补信息，其中漂白+水分/基质组合最强（B+M达到0.7216），四包组合达到0.8248，完整SR-SFP达到0.8619。
**材料特异性和跨材料行为**：材料特异性验证中，制半夏最佳LDA（SG预处理）Macro F1=0.9787，枳壳最佳XGBoost（D1）为0.8605。直接跨材料迁移失败（最佳仅0.1545），但混合材料池化建模（SR-SFP-XGBoost）达到0.9094，表明材料感知的池化建模可行。
**深度学习和鲁棒性**：最佳轻量级深度学习基线为ResNet1D（D1预处理），Macro F1=0.8951，低于XGBoost。鲁棒性测试显示基线漂移、乘性强度变化、随机波段缺失和ROI特征噪声影响有限，而高斯噪声在高扰动水平下降较明显。
**独立外部验证**：外部验证集（320样本）中，枳壳准确率0.8125，Macro F1=0.8141，严重误差率0.63%；制半夏准确率0.9438，Macro F1=0.9438，无严重误差。总体准确率0.8781，38/39错误为相邻级，仅1个严重错误。
**讨论部分总结**
研究人员指出，硫熏产生光学和基质信号的有序工艺轨迹，应作为有序分级问题而非普通分类处理。SR-SFP将原始波段强度转化为反应引导的数据包，保留可解释的漂白、基质、异质性和有序形状信息。由于缺乏化学参考值，本研究仅限于成像基础的工艺状态筛查而非化学测定替代。最佳黑箱XGBoost数值上略高于SR-SFP-XGBoost，但差异不显著，且SR-SFP提供可审计、可压缩的命名特征组。轻量级深度学习模型因输入维度低和样本量适中而未显示出优势。XGBoost的优势可归因于其逐步梯度提升机制和正则化。二氧化硫残留测量证实了工艺状态标签的有效性，但材料依赖性残留差异表明需要材料特异性校准。跨材料泛化是主要局限，直接迁移失败，未来部署需采用材料特异性校准策略。外部验证仅涉及同一仪器和实验室环境，尚需跨仪器和外部实验室验证。
**研究结论**
本研究开发了SR-SFP，一种反应引导的光谱特征包方法，用于硫熏工艺状态的轻量级Vis/NIR过程分析。在1200个全ROI样本（枳壳和制半夏）上，SR-SFP-XGBoost在板组验证下达到平均Macro F1=0.9113，接近最佳31波段XGBoost基准（0.9238）。完整SR-SFP优于原始光谱序数建模和单独特征包，64个选定特征保持强性能。证据支持SR-SFP作为有序硫熏工艺筛查的化学可解释信号变换策略。在更广泛的跨材料部署前仍需材料特异性校准。当前结果支持材料感知的工艺状态筛查，而非通用跨材料预测。在应用于其他植物源材料前，需从该材料收集代表性校准样本以更新光谱预处理、特征表示和分类模型。
