便携式电化学传感结合机器学习实现Arabica与Robusta咖啡快速鉴别及拼配比例预测

《Food Chemistry: X》：Portable electrochemical sensing coupled with machine learning for rapid Arabica and Robusta coffee authentication and blend ratio prediction

　　

翻译：在本研究中，研究人员开发了一种集成机器学习的便携式电化学传感平台，用于咖啡物种的快速鉴别及拼配比例的定量预测。针对咖啡因（caffeine, CAF）、绿原酸类（chlorogenic acids, CGAs）、葫芦巴碱（trigonelline, TG）和还原糖（reducing sugars, RS）进行了电化学测量，并将烘焙程度（roast level）作为额外的分析特征纳入。所得电化学指纹同时捕捉了物种依赖性组成差异与烘焙诱导的化学转化。利用这些特征，极端梯度提升（extreme gradient boosting, XGBoost）分类模型在区分Arabica、Robusta及拼配咖啡样品方面取得了高准确率。对于拼配比例回归，随机划分的人工神经网络（artificial neural network, ANN）结果（R²=0.980，RMSE=0.050）被保留为分布内基准。在嵌套分组感知的留一拼配对交叉验证（leave-one-blend-pair-out, LOBPO）下，ANN集成模型取得了R²=0.9121、RMSE=0.0676和MAE=0.0547，其中87.0%的预测值落在参考拼配比例的±0.10范围内。使用文献报道的成分数据集进行的外部验证为物种鉴别提供了补充支持。与传统分析方法相比，所提出的电化学–机器学习框架仅需少量咖啡提取液，且电化学测量可在样品制备后3分钟内完成。

论文解读：便携电化学传感与机器学习融合的咖啡认证新策略

全球咖啡市场以Arabica和Robusta两个商业种为主。Arabica因风味柔和而价格高昂，通常为Robusta的两倍以上，因此市场上存在以廉价Robusta掺假冒充“100% Arabica”的经济动机。生豆形态尚可区分，但烘焙研磨后形态特征消失，必须依赖化学分析进行真伪鉴别。传统方法如高效液相色谱（HPLC）和核磁共振（NMR）虽准确，但设备昂贵、操作复杂、单样成本高，难以用于现场快速筛查。光谱技术如近红外（NIR）虽快，但设备同样昂贵且不便携。感官评测则主观性强，且通常需Robusta含量超过35%才可察觉。因此，开发一种快速、低成本、便携且兼具化学解释力的咖啡鉴别方法具有重要意义。电化学传感具有响应快、实时性强、成本低和便携等优势；进一步与机器学习（ML）结合，可提升对复杂化学指纹的解析能力和校准鲁棒性。基于此，研究人员构建了集成机器学习的便携式电化学传感平台，用于咖啡物种分类与Arabica-Robusta拼配比例的定量预测。

该研究采集了来自埃塞俄比亚、肯尼亚和哥伦比亚的11个Arabica品种共66个样品，以及来自越南、印度和巴西的Robusta样品18个，并制备了三种Arabica-Robusta配对、六种质量比（95:5至30:70）的拼配样品54个，总计138个样品。所有样品均设置浅、中、深三种烘焙程度，并以Agtron值表征。关键技术包括：采用一次性丝网印刷三电极芯片（碳电极测CAF、CGA和TG，金电极测糖类，Ag/AgCl作参比），结合线性扫描伏安法（LSV）和差分脉冲伏安法（DPV）获取电化学信号；从伏安曲线中提取峰电流、峰电位和峰面积等物理可解释特征；使用随机森林（RF）和极端梯度提升（XGBoost）进行三分类，人工神经网络（ANN）进行回归预测。验证策略包括随机划分、10折交叉验证、留一产地交叉验证（LOOO）及嵌套分组感知的留一拼配对交叉验证（LOBPO），以严格评估泛化能力。

研究结果部分如下：

3.1 关键成分的电化学分析及烘焙依赖趋势。研究人员利用便携式三电极平台稳定获取了CAF、CGA、TG和RS的特征伏安信号。CAF与CGA在低电位区（约200–300 mV）出现阳极峰，TG在高电位（约1500 mV）产生氧化峰，RS在负电位区产生与Cu²⁺/Cu₂O氧化还原相关的特征响应。该测量可在咖啡提取液制备后3分钟内完成。

3.2 分析性能验证。系统评估了校准线性、检测限（LOD）与定量限（LOQ）、加标回收率、批间精密度及基质效应。CAF、CGA、TG和RS的LOD/LOQ分别为6.60/20.00、5.02/15.21、1.26/3.83和19.27/58.40 mg dL^?1。TG和RS在真实咖啡基质中的回收率分别为97.2%–110.3%和92.9%–113.9%，均在80%–120%可接受范围内。15张独立芯片的批间RSD为6.23%–9.17%，基质效应引起的信号变化小于±6%。与外部实验室HPLC测定结果比较，整体趋势一致。

3.3 代表性样品中烘焙诱导的成分变化。对绿色、浅、中、深四个烘焙阶段的分析表明，CGA、RS和TG随烘焙程度加深而逐步下降，CAF变化较小且Robusta始终高于Arabica。

3.4 全局烘焙趋势与物种差异。全数据集回归分析显示，CGA、TG、RS与Agtron值（数值越大代表烘焙越浅）呈正相关，即随烘焙加深而减少；CAF对烘焙的依赖性弱。Robusta的CAF浓度更高，Arabica的TG含量更高，这与既有色谱研究一致。

3.5 基于ML的物种分类。RF和XGBoost基于CAF、CGA、TG、RS和烘焙程度五个特征进行分类。RF测试集准确率为97.37%，XGBoost为100%，且少数类Robusta的精确率和召回率均为1.000。特征重要性显示CAF为最强判别变量，其次为CGA和烘焙程度；单独使用CAF不足以区分Arabica与拼配样品，联合多特征可显著提高准确率。LOOO分析中，纯Arabica与Robusta的物种判别准确率、平衡准确率和宏F1均为1.000。

3.6 拼配比例的ANN预测。在随机划分测试集上，ANN回归达到R²=0.980、RMSE=0.050、MAE=0.032。重复分组评估给出R²=0.9078±0.0294。在更严格的LOBPO验证中，留出整个Arabica-Robusta配对后，ANN集成模型在54个样本上得到R²=0.9121、RMSE=0.0676、MAE=0.0547，其中87.04%的预测值落在±0.10容差内。不同配对表现存在差异，最难的配对（Yirgacheffe Perfume Lemon + India Robusta）R²=0.8863，偏差主要集中低比例端。SHAP分析表明CAF和TG对模型输出贡献最大。

3.7 与替代回归模型比较。多元线性回归（MLR）测试集R²仅0.146，RF回归为0.951，ANN最佳（0.980），说明ANN能有效学习成分与比例间的非线性关系。

3.8 文献数据外部验证。从文献中提取含CAF、CGA、TG和糖类数据的17个Arabica和3个Robusta样本，使用已训练的XGBoost分类模型全部正确识别，准确率100%。由于缺乏同时报告拼配比例和所有五种变量的公开数据集，未对回归模型进行独立外部验证，泛化性主要依赖LOBPO结果。

讨论与结论方面，研究人员指出随机划分得到的R²=0.980偏乐观，而完整拼配对留出后的R²=0.9121证明模型对未见拼配组合仍具相当预测能力。但当前拼配样品均由相同烘焙程度的Arabica和Robusta组成，实际商品可能采用差异烘焙，单一Agtron值无法充分表征混合烘焙历史，模型适用范围需谨慎界定。未来应扩展更多产地、收获季节和真实异烘焙拼配样本。研究结论表明，该便携式电化学–机器学习平台只需微升级别咖啡提取液，电化学测量可在3分钟内完成，且具备便携和低成本潜力，可用于咖啡生产与零售环节的实时质量控制、掺假检测和常规筛查。该框架为智能食品品质评估提供了可扩展基础，并可能推广至其他食品认证领域。