基于近红外光谱与可解释性分析的多物种混合建模预测六种水果可溶性固形物含量与硬度

《Food Control》：Multi-Species Pooled Calibration for Prediction of Soluble Solids Content and Firmness in Six Fruits Using Near-Infrared Spectroscopy and Explainable Analysis

　　

摘要：

本研究探讨了近红外（NIR）光谱技术在通过多物种混合校准预测可溶性固形物含量（SSC）和硬度方面的可行性，涵盖六个水果样品组，包括仁果类和浆果类水果。基于主成分分析（PCA）指导，分别针对单一物种和多物种组合建立了偏最小二乘回归（PLSR）模型。评估了三种变量选择算法，并利用SHAP对最优模型进行了解释。单一物种模型对葡萄和苹果的SSC预测效果良好（RPD分别为2.02±0.12和3.11±0.22），但所有物种的硬度预测均未达到满意水平（RPD≤1.58）。六物种混合模型在随机留出验证下硬度预测的RPD达到3.03±0.05。然而，留一物种验证表明，这一性能反映的是物种间的区分能力，而非对被排除物种的泛化能力。在评估的三种算法中，UVE在降维和预测精度之间达到了最佳平衡。SHAP分析揭示，尽管各组排序靠前的波长存在差异，但预测结果始终由C–H倍频（碳水化合物）和O–H组合频（水）驱动，支持了多物种光谱建模的化学合理性。这些研究结果确定了有信息量的光谱区域，可为未来多水果品质评估应用中的波长选择提供指导。

引言

水果品质评估对全球园艺产业至关重要，因为消费者满意度和市场价值直接取决于水果的内在品质特性。在这些特性中，可溶性固形物含量（SSC）和硬度是影响水果分级、定价和采后管理的两个最关键参数（Gao等，2025）。SSC是甜度和收获成熟度的可靠指标，而硬度则决定质地的可接受性、储藏性以及运输过程中抗机械损伤的能力。传统测量方法涉及破坏性取样，随后使用折射仪测定SSC，并通过质构分析仪进行穿刺试验测量硬度（Li等，2016；Sun等，2024）。这些方法不仅费时费力，而且本质上不适用于在线分选应用。因此，迫切需要一种能够快速、无损、同时评估这些属性，并适用于商业包装线上各种水果类型的检测技术。 过去二十年来，近红外（NIR）光谱技术已成为一种强大的水果品质评估无损分析工具（Rahman等，2025）。该技术依赖于780-2500 nm波段中含氢官能团（O-H、C-H、N-H）对电磁辐射的吸收，产生倍频和组合频，其中编码了水、碳水化合物和其他化学成分的定量信息（Walsh等，2020）。结合偏最小二乘回归（PLSR）等多变量校准方法，NIR光谱技术已成功应用于预测苹果、梨和蓝莓等多种单一水果物种的SSC和硬度（Bai等，2022；Li等，2025；Xu等，2024）。然而，大多数报道的研究专注于开发特定物种或品种的专用校准模型，需要为每种水果类型分别开发和维护模型。这种单一物种范式在多种水果分选设施中带来了显著的运营复杂性和成本，因为在同一条包装线上全年可能需要处理各种不同水果商品。 认识到这一局限性，研究人员开始探索跨品种和多物种混合模型的可行性。(Bobelyn等，2010)指出，扩大校准空间中的生物学变异是提高模型泛化能力的可行策略。随后，(Li等，2025)研究了苹果SSC预测模型的跨品种可迁移性，发现域对抗神经网络（DANN）能够有效减少同一地区和生长季内品种特异性变异，从而实现更有效的模型迁移。(Xu等，2024)探索了跨多个梨品种SSC预测通用模型的开发，并采用梯度加权类激活映射（Grad-CAM）识别重要光谱变量，成功构建了多品种可泛化模型。同样，(Li等，2020a)构建了跨三种梨品种硬度预测的通用模型，报告的整体性能与单个品种专用模型相比令人满意。(Yu & Yao, 2023a)建立了苹果和梨SSC测量的通用校准模型，在外部验证测试中达到了相当的预测精度。总之，这些研究表明，将校准集扩展至涵盖多个品种甚至多个物种可以产生具有可接受泛化能力的模型。然而，将这种方法从近缘物种扩展到形态学和植物学上多样化的水果类型，面临着额外的挑战。不同水果物种在果皮厚度、表面纹理、组织密度和内部色素组成方面表现出显著差异，所有这些都会引入物种特异性光散射伪影，可能干扰化学有意义光谱信息的提取。虽然上述研究在多物种NIR建模方面取得了重要进展，但基于光谱相似性分析的指导策略，特别是针对仁果类和浆果类水果SSC和硬度评估的系统性研究仍然有限。 识别有用的光谱变量对于支持通用模型的开发至关重要（Xu等，2024）。变量选择算法已被广泛应用于降低模型维度并识别有用的光谱区域（de Araújo Gomes等，2022）。其中，无信息变量消除法（UVE）、序贯投影法（SPA）和竞争性自适应重加权采样法（CARS）是常用的方法（Li等，2020b）。然而，目前尚无针对多物种水果品质预测的系统性比较评估。即使经过变量选择，生成的回归模型仍然是本质上"黑箱"，其内部决策机制对用户而言是不透明的。可解释性对于理解决定模型透明度和决策可靠性的潜在表征至关重要。最近提出的SHapley加性解释法（SHAP）为此可解释性挑战提供了理论依据的解决方案。该方法由(Lundberg & Lee, 2017)开发，根植于合作博弈论，为每个输入特征分配统一的重要性分数，以表示其对模型输出的边际贡献。在近红外光谱领域，(Passos, 2025)最近将SHAP与回归系数和LIME相结合，用于解释用于多水果干物质预测的卷积神经网络（CNN）架构。结果表明，相关光谱波段在不同CNN拓扑结构之间基本一致，并可归因于已知的振动基团。值得注意的是，他们的分析表明CNN倾向于识别在各种水果光谱中具有信息量的光谱特征，这一发现与多物种建模范式高度一致。然而，目前尚无将SHAP应用于系统性解释用于预测SSC和水果硬度的多物种PLSR模型的报道。 为应对这些挑战，本研究旨在：(1) 利用PCA研究六个水果样品组（苹果、梨、山楂、蓝莓、葡萄和猕猴桃）的光谱聚类行为，并根据观察到的聚类模式构建多物种PLSR模型，预测SSC和水果硬度；(2) 比较SPA、CARS和UVE算法在去除物种特异性冗余变量和简化多物种模型方面的有效性；以及(3) 应用SHAP分析阐明优化模型背后的化学基础，从而为混合多水果品质评估提供透明且可解释的框架。

各章节摘要

水果样品

共采集了来自中国主要产区600个商业成熟度的水果样品，涵盖六个水果样品组，以确保品质属性的代表性变异。详细样品信息列于表1。本研究选择的六种水果代表基于果实组织结构和商业分类的两个不同形态类别：仁果类（苹果、梨和山楂）和软质/浆果类水果（蓝莓、葡萄和……

水果样品的理化性质

六个水果样品组的SSC和硬度分布以散点图形式可视化于图1A-B中。对于SSC，葡萄样品在所有物种中表现出最高的平均糖含量（16.45±0.90 °Brix），其次为猕猴桃（13.73±1.13 °Brix）和苹果（13.22±1.72 °Brix），后两者的平均值相近。梨和蓝莓表现出中等水平的SSC（分别为10.87±1.11 °Brix和11.97±2.06 °Brix），而山楂的平均SSC最低（8.57±……

结论

本研究系统调查了利用NIR光谱技术通过多物种混合校准预测SSC和硬度在六个水果样品组中的可行性。单一物种PLSR模型对葡萄和苹果的SSC预测效果良好（RPD分别为2.02±0.12和3.11±0.22），但所有六个物种的硬度预测均令人不满意（全部RPD≤1.58）。尽管六物种混合模型……

CRediT作者贡献声明

王振杰：撰写–初稿、可视化、软件、项目管理、方法论、数据整理。丁芳晨：软件、形式化分析。潘黎青：撰写–审阅与编辑、监督、经费获取、概念化。兰伟杰：验证。宋大杰：撰写–审阅与编辑。张乐乐：调查研究、形式化分析。蓝伟：资源。李强：形式化分析

未引用参考文献

Nicola?等，2007；Wang等，2024；Wang等，2024。

数据可用性声明

原始光谱数据、预处理光谱、参考测量值（SSC和硬度）、样品元数据、所有十次重复的校准/预测分组分配以及分析代码均已公开，可在Mendeley Data中获取：https://doi.org/10.17632/rhykdpch44.1。

利益冲突声明

作者声明，他们没有已知的竞争性经济利益或个人关系可能会影响本论文所报告的工作。

致谢

本研究得到阜阳师范大学博士研究基金（2025KYQD0077）、国家自然科学基金（NSFC，32272389）和安徽省教育厅自然科学研究项目（2023AH051611）的经费支持。 王振杰|丁芳晨|李强|张乐乐|蓝伟|兰伟杰|宋大杰|潘黎青 阜阳师范大学生命科学与食品工程学院，中国阜阳清河西路100号，邮编236037