基于高光谱成像与机器学习的法医学重要尸食蝇成虫物种鉴定

《Microchemical Journal》：Species identification of forensically important adult necrophagous flies based on hyperspectral imaging and machine learning

　　• VNIR高光谱成像为成体食腐蝇建立了成像档案。• 头部和背部的光谱呈现出具有区域特异性的模式。• 头部光谱提供了更强的整体物种区分能力。• OPLS-DA识别出了具有可解释性的判别波长。• 机器学习方法支持对食腐蝇进行无损筛选。引言推断死后间隔时间（PMI）是法医昆虫学的核心目标[1]、[2]、[3]。食腐昆虫会迅速侵入正在分解的遗骸，其发育数据和演替模式可为估算死亡时间提供重要证据[3]、[4]。在没有目击证人或监控记录的情况下，或当遗骸已经处于严重分解阶段时，昆虫学证据能够提供关键性的、有时甚至是唯一的时相信息。因此，此类证据一直受到法医工作者和法律界的高度关注[1]、[4]、[5]。食腐双翅目昆虫，特别是丽蝇科、麻蝇科和麻蝇科成员，是法医昆虫学中应用最广泛的指标类群[2]、[6]、[7]、[8]。已有若干具有法医重要性的蝇类建立了发育数据集[9]、[10]、[11]、[12]。由于在同一环境条件下不同物种的发育持续时间存在差异，物种鉴定错误会直接影响PMI估算的可靠性。因此，准确且快速地鉴定来自法医现场的食腐昆虫，是解释和应用昆虫学证据的关键步骤[12]、[13]、[14]。然而需要指出的是，卵、幼虫、蛹和蛹壳等未成熟阶段对于PMI估算具有更直接的法医意义，因为它们的发育可以与年龄相关联。相比之下，成虫鉴定通常不直接用于发育时间的估算，但在分解环境中的群落调查、基于陷阱的监测、区域物种数据库构建、近缘种快速筛选以及多阶段鉴定体系的建立方面，成虫鉴定仍然具有重要的价值。食腐昆虫的物种快速有效鉴定仍然是一个实际的挑战。目前的方法主要依赖于形态学鉴定和分子方法。基于分类学专业知识的传统形态学鉴定仍然是物种确定的重要标准[6]、[8]。对于近缘种或形态相似的物种，研究者通常需要借助详细的形态测量学、翅脉分析或扫描电镜来观察成虫及未成熟阶段（包括翅纹、触角感受器、卵、幼虫和蛹壳特征）的诊断结构[15]、[16]、[17]、[18]、[19]。然而，这些诊断特征往往微小、难以解读，受标本完整性和检查者经验的影响，而且耗时太长，难以满足快速筛选的要求[13]。因此，分子方法被越来越多地引入法医昆虫鉴定中。DNA条形码利用同源DNA片段种间序列的差异来进行分类学鉴别，并在标本损坏或形态特征不全时能够提供可靠的鉴定结果[20]、[21]、[22]、[23]。Sperling等人首次证明了线粒体COI区域在鉴别具有法医相关性的双翅目昆虫方面的实用性[20]。然而，基于DNA的鉴定需要专门实验室设备和扩增程序，耗时较长，并且在DNA提取过程中通常会消耗部分标本。因此，它并不总是适合作为所有现场样本的一级快速筛选方法。尽管现有方法各有其独特的优势，但在需要速度、操作简便性和标本无损保存的快速筛选场景中仍存在局限。在此背景下，将先进成像技术与机器学习算法相结合的物种鉴定策略具有重要的实践意义。以往的研究已经探索了翅脉图像、表皮碳氢化合物（CHCs）、近红外光谱、ATR-FTIR以及高光谱成像在昆虫物种鉴定、发育阶段评估和化学表型分析中的应用[18]、[19]、[24]、[25]、[26]、[27]、[28]、[29]、[30]、[31]、[32]、[33]。高光谱成像（HSI）可以同时捕捉空间信息和连续的光谱信息。在可见-近红外区域，它记录了样品表面对入射光的吸收、散射和反射响应，潜在地能够实现与外部形态和浅表生化特性相关信息的无损获取[32]、[33]、[34]。这些光谱特征并不代表单一物质的响应，而是由色素、几丁质/蛋白基质、表皮碳氢化合物、表面微结构和样品几何形状共同构成的复合光谱指纹[33]、[35]、[36]、[37]、[38]、[39]、[40]。由于HSI数据具有高维、相邻波段间强相关性以及可能受到噪声影响的特点，因此需要采用适当的化学计量学和机器学习方法进行降维、特征选择和分类建模[32]、[33]、[34]、[41]。HSI及相关的近红外光谱技术已被应用于血迹年龄估算、法医痕迹的非接触分析、昆虫蛹壳年龄估算以及农业昆虫的物种鉴定[35]、[42]、[43]、[44]、[45]、[46]、[47]、[48]、[49]、[50]。例如，Voss等人利用389–892 nm的高光谱反射数据和线性判别分析，成功区分了两种丽蝇的蛹壳，实现了92.5%的物种分类准确率，为高光谱技术在具有法医相关性的双翅目昆虫鉴定中的应用提供了概念证明[42]。然而，现有的法医昆虫光谱研究主要集中在未成熟阶段、蛹壳或其他昆虫类群。以身体区域特异的高光谱特征为对象、针对羽化后成体食腐双翅目昆虫（特别是近缘蝇类）的研究仍然有限。虽然成虫并不是发育PMI估算中最直接的阶段，但其体表相对完整，适合标准化成像，并且在陷阱调查、分解环境监测和区域食腐蝇调查中容易获取。因此，基于成虫的高光谱鉴定不应被视为幼虫、蛹或蛹壳鉴定的替代品，而应被看作建立食腐蝇光谱鉴定框架的早期方法学基础。食腐蝇不仅是具有法医重要性的类群，也与公共卫生、城市环境管理和农业害虫监测密切相关[47]、[51]、[52]。因此，结合化学计量学和机器学习的快速无损HSI技术，可为未来法医昆虫样本的初步筛选策略提供借鉴，并为公共卫生和农业监测中的昆虫自动化鉴定提供方法学参考[45]、[46]、[47]。本研究的目的在于：(1) 建立五种近缘食腐蝇成虫头部和背部的高光谱成像数据集；(2) 比较物种间和不同身体区域间的平均反射光谱；(3) 使用正交偏最小二乘判别分析（OPLS-DA）进行逐步监督判别和候选波长选择；以及(4) 开发并比较多种机器学习分类器，以评估HSI-机器学习方法在成体食腐蝇筛选中的可行性。部分片段样本采集野外样本采集于中国湖南省（28°24′N, 112°39′E）。将鱼内脏作为诱饵放置在一个通风的野外庇护所（2 m × 5 m × 2 m）中，任其自然分解。从放置诱饵的第一天开始，连续10天每天于06:30、12:30和18:30使用昆虫网采集被诱饵吸引的食腐昆虫，以获得多样性的食腐蝇种群。采集到的成虫立即在?20 °C条件下冷冻致死。共采集572只头部区域从头部区域提取的平均反射光谱在五个物种间呈现出大致相似的总体趋势，但在几个波长区间上存在物种特异性的差异（图1a）。在470 nm处，所有物种都表现出相对较高的反射率，随后急剧下降到约475–500 nm处的最低值。在500至780 nm范围内，反射率保持相对较低的水平。在近红外区域，从约780 nm开始，反射率并未趋于平台化，而是缓慢增加讨论基于头部和背部的高光谱数据，本研究系统地总结了五种近缘食腐蝇成虫体表反射光谱的主要模式，并分析了物种身份和采样区域如何影响光谱曲线的差异。构建了OPLS-DA监督判别模型和多种机器学习分类器，并成功区分了若干近缘物种。这些结果表明，HSI能够捕获结论本研究证明，高光谱反射成像是一项对具有法医相关性的成体食腐蝇进行鉴别的前景广阔的探索性工具。可见-近红外高光谱成像提供了信息丰富的反射光谱特征，能够实现成虫标本的无损鉴别。观察到明显的身体区域依赖性光谱模式，其中头部区域始终提供更高的整体区分能力，而背部光谱作者贡献声明**Wang Hao：** 写作 – 审阅与编辑、写作 – 初稿撰写、可视化、调查、形式分析、数据整理。**Tian Lele：** 写作 – 审阅与编辑、可视化、调查、形式分析、数据整理。**Wu Hai：** 可视化、调查、形式分析、数据整理。**Wang Yu：** 调查、形式分析、数据整理。**Xiao Yuyan：** 调查。**Liu Ming：** 调查。**Xia Yang：** 调查。**Zhai Yinghao：** 调查。**Xu Guojing：** 调查。**Guo Yadong：**资助本研究得到国家自然科学基金（编号：82572150）、公安部刑事科学技术研究中心开放研究项目（编号：2025CSEEKFKT02）以及中国博士后科学基金（编号：2025 M781426）的资助。利益冲突声明作者声明不存在任何已知的可能影响本文所报告工作的竞争性经济利益或个人关系。致谢感谢贵州警察职业学院陈树军教授提供昆虫鉴定服务，感谢中南大学高性能计算中心提供的支持。Wang Hao|Tian Lele|Wu Hai|Wang Yu|Xiao Yuyan|Liu Ming|Xia Yang|Zhai Yinghao|Xu Guojing|Guo Yadong|Zhang Xiangyan