文章詳情
高光譜成像與NMR技術(shù)融合深度學(xué)習(xí)：開啟枸杞產(chǎn)地溯源新篇章（下）
日期：2025-01-22 18:04
瀏覽次數(shù)：5
摘要：高光譜成像技術(shù)憑借其強(qiáng)大的空間和光譜信息獲取能力，已成為植物產(chǎn)品地理來源識(shí)別與質(zhì)量控制的前沿工具。根據(jù)研究，高光譜技術(shù)結(jié)合深度學(xué)習(xí)模型，可以實(shí)現(xiàn)枸杞的地理來源精準(zhǔn)分類，準(zhǔn)確率高達(dá)95.63%。通過特征波長提取，不僅顯著提高了分析效率，還增強(qiáng)了數(shù)據(jù)的科學(xué)解釋性。此外，高光譜與化學(xué)分析（如NMR）的結(jié)合，能夠進(jìn)一步揭示樣品化學(xué)成分與光譜特征的關(guān)聯(lián)，為復(fù)雜樣品的快速、非破壞性檢測提供**解決方案。
（3）地理標(biāo)志與HSI特征波長相關(guān)性分析
HSI和NMR都證明了在確定枸杞的地理起源方面的有效性。NMR，特別是與多元統(tǒng)計(jì)分析相結(jié)合，成為識(shí)別GI標(biāo)記物的有力工具。它提供了可以用來區(qū)分不同來源的化學(xué)信息的深度。然而，盡管在HSI中通常采用特征波段選擇的做法，但這些特征波長與樣品中特定成分之間的相關(guān)性通常仍未被探索。這一差距可能會(huì)限制HSI數(shù)據(jù)在潛在化學(xué)變化方面的可解釋性。此外，雖然NMR提供了豐富的生化見解，但它面臨著挑戰(zhàn)，例如食品基質(zhì)樣品制備的復(fù)雜性，以及相關(guān)成本可能令人望而卻步。這些因素可能會(huì)阻礙快速、無損、高通量分析的實(shí)施，而這對(duì)于高效、可擴(kuò)展的枸杞原產(chǎn)地溯源過程至關(guān)重要。為了解決這些限制，開發(fā)結(jié)合這兩種技術(shù)的優(yōu)點(diǎn)，同時(shí)盡量減少各自缺點(diǎn)的策略是至關(guān)重要的。該綜合方法為枸杞產(chǎn)地鑒定提供了一種更**、更有效的方法。
通過HSI-NMR Pearson相關(guān)分析，成功地揭示了枸杞特征波長與GI標(biāo)記之間的相關(guān)性（圖6）。不同產(chǎn)地枸杞的GI標(biāo)記在單個(gè)光譜波段上表現(xiàn)出顯著的相關(guān)性，p值<0.001，Pearson相關(guān)系數(shù)（R）在自由度為150時(shí)超過0.264。在633 ~ 768nm范圍內(nèi)，大部分物質(zhì)與枸杞的紅色光譜具有明顯的相關(guān)性，這與枸杞的天然紅色相一致。對(duì)于不同省份的枸杞，以633.6nm、665.6nm和980nm為中心的HSI波段與GI標(biāo)記物呈極顯著相關(guān)（p<0.001）。其中，633.6nm的HSI波段與脯氨酸（δ1.98）、蘋果酸（δ2.37）和咖啡酸（δ7.33）密切相關(guān)。665.6 nm處與谷氨酸（δ2.08）密切相關(guān)，980 nm處與二羥丙酮（δ4.44）和葫蘆巴堿（δ9.13）相關(guān)。研究表明，以643 nm為中心的波段與氨基酸的第三和第四泛音區(qū)域有關(guān)，包括脯氨酸和谷氨酸。此外，976 nm至987 nm的波長范圍對(duì)應(yīng)于油營養(yǎng)物中C-H（CH/CH2/CH3）鍵的第三泛音區(qū)域和O-H鍵的第三泛音區(qū)域。隨后，利用663.6 nm、665.6 nm和980 nm三個(gè)*顯著相關(guān)波段的圖像，利用改進(jìn)的ResNet-34建立了枸杞起源分類模型。僅使用三個(gè)波長的光譜圖像來區(qū)分寧夏和青海枸杞樣品的準(zhǔn)確率達(dá)到95%。在不同縣域的枸杞 GI標(biāo)記物（TX-ZN和NMH-DLH）中，特定生物標(biāo)記物與HSI波段之間存在顯著正相關(guān)（p值<0.001）。異亮氨酸（δ0.96）、精氨酸（δ1.68）、蘋果酸、膽堿（δ3.21）、1-甲基尿酸（δ3.33）、絲氨酸（δ3.96）、果糖（δ4.12）、綠原酸（δ7.19）和咖啡酸作為GI標(biāo)記與以633.6 nm為中心的HSI波段相連。谷氨酸（665.6 nm）、蘇糖醇（δ3.64）、硫酸氨基葡萄糖（δ4.91）和α-木糖（δ5.19）均與980 nm處的譜帶相對(duì)應(yīng)。對(duì)于不同品種的枸杞（ZN1 ~ ZN2），賴氨酸和綠原酸在633.6 nm處與HSI波段呈顯著相關(guān)（p值<0.001）。古洛內(nèi)酯（δ4.73）和葡萄糖胺6磷酸（δ5.45）在801 nm和719.3 nm處與HSI波段的相關(guān)性較弱（p < 0.05）。ZN1和ZN2品種的鑒定準(zhǔn)確率較低，為93.75%，主要是由于其種植地點(diǎn)較近。當(dāng)比較全光譜HSI數(shù)據(jù)和SHAP提取的特征波長時(shí)，使用與GI標(biāo)記物高度相關(guān)的光譜圖像，運(yùn)行時(shí)執(zhí)行時(shí)間分別顯著降低46.26%和33.99%。這表明有針對(duì)性的光譜圖像分析方法可以在不影響精度的情況下提高效率。
圖6.枸杞地理標(biāo)志標(biāo)記的HSI-NMR Pearson系數(shù)相關(guān)圖
本研究結(jié)果表明，GI標(biāo)記物與HSI特征波長的相關(guān)性有效地闡明了光譜波段與枸杞化學(xué)成分之間的聯(lián)系。這種相關(guān)性不僅增強(qiáng)了我們對(duì)枸杞光譜特征的理解，而且強(qiáng)調(diào)了開發(fā)便攜式多光譜設(shè)備的潛力。該裝置可提供一種無創(chuàng)、低成本、高通量的地理來源鑒定方法。
結(jié)論
本研究提出了一種將HSI和NMR技術(shù)與深度學(xué)習(xí)相結(jié)合，用于準(zhǔn)確識(shí)別枸杞的地理來源及其GI的新方法。改進(jìn)的ResNet-34模型通過整合3D和2D卷積層，在利用HSI數(shù)據(jù)進(jìn)行產(chǎn)地識(shí)別中實(shí)現(xiàn)了95.63%的分類準(zhǔn)確率。此外，采用SHAP方法選擇特征波長，與使用全光譜HSI數(shù)據(jù)的分類準(zhǔn)確率相當(dāng)，但運(yùn)行時(shí)間縮短了29.9%。研究還表明，基于枸杞不同側(cè)面數(shù)據(jù)訓(xùn)練的模型具有魯棒性，且模型性能未受到顯著影響。通過NMR分析，研究識(shí)別并定量分析了62種成分，并通過多變量統(tǒng)計(jì)分析確定了各地理來源的GI標(biāo)記。通過皮爾遜相關(guān)系數(shù)評(píng)估GI標(biāo)記與HSI特征波長的相關(guān)性，增強(qiáng)了HSI數(shù)據(jù)的可解釋性，從而獲得了更準(zhǔn)確且有意義的科學(xué)洞察。相比SHAP模型，本研究的方法進(jìn)一步將運(yùn)行時(shí)間縮短了33.99%。這些研究結(jié)果對(duì)于開發(fā)便攜式多光譜設(shè)備具有重要意義，可提供一種快速、準(zhǔn)確且經(jīng)濟(jì)高效的解決方案，用于枸杞產(chǎn)地的識(shí)別，從而促進(jìn)植物產(chǎn)業(yè)中的質(zhì)量控制和溯源管理。
推薦產(chǎn)品
GaiaField-V10E
作者簡介
通訊作者：馮江華，廈門大學(xué)電子科學(xué)與技術(shù)學(xué)院，博導(dǎo)
參考文獻(xiàn)
論文引用自一區(qū)文章：Chengcheng He , Xin Shi , Haifeng Lin , Quanquan Li , Feng Xia, Guiping Shen,Jianghua Feng , The combination of HSI and NMR techniques with deep learning for identification of geographical origin and GI markers of Lycium barbarum L. (2024) Food Chemistry 461.140903
