枸杞粉中焦亚硫酸钠的分类与定量:高光谱技术及基于变压器的混合模型的应用
《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》:Classification and quantification of sodium metabisulfite in goji berry powder: Applications of hyperspectral technology and transformer-based hybrid models
【字体:
大
中
小
】
时间:2025年12月26日
来源:Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy 4.3
编辑推荐:
本研究采用近红外高光谱成像(HSI)结合深度学习模型,通过1DER-GS预处理显著提升特征质量,ResLocalformer模型实现97.22%分类准确率,Resformer模型R2达0.9945,为非破坏性检测磺酸钠残留提供了高效方法,并适用于其他食品添加剂检测。
本研究针对食品中硫代硫酸钠(Na?S?O?)残留检测难题,创新性地将近红外高光谱成像技术与深度学习模型结合,为复杂基质中食品添加剂的快速检测提供了新思路。实验聚焦于戈壁红藜麦粉这一常见食品原料,通过构建包含预处理、特征提取和模型优化的完整技术链条,成功解决了传统检测方法存在的灵敏度低、耗时长、破坏样本等痛点问题。
在样本制备阶段,研究者采用200克优质红藜麦为原料,通过高精度粉碎设备获得均匀粉末,并在恒温恒湿条件下完成干燥处理。这种标准化制备流程有效避免了水分含量对光谱信号的影响,确保了后续检测的稳定性。特别值得注意的是,研究团队建立了包含9个浓度梯度(含空白对照)的检测体系,每个浓度点重复40次实验,最终形成360组样本数据库。这种大规模样本的采集为模型训练提供了充足的多样性,有效规避了单一浓度检测可能导致的模型泛化能力不足问题。
光谱分析的核心突破在于预处理环节的创新。通过首先对原始光谱进行一阶导数处理,有效消除基线漂移带来的干扰;随后采用高斯平滑技术对特征谱带进行优化,使目标物质与复杂背景信号的区分度提升40%以上。这种预处理组合不仅优化了光谱特征,更显著提高了后续模型的识别效率,为高光谱数据的降维与特征增强提供了实用方案。
模型架构设计充分借鉴了深度学习领域的前沿成果。分类任务中提出的ResLocalformer模型,巧妙融合了Transformer的全局注意力机制与局部特征捕捉能力。通过残差结构连接不同模块,既保证了模型在长序列光谱特征提取上的优势,又增强了细粒度特征的识别能力。实验数据显示该模型分类准确率达到97.22%,在食品检测领域属于顶尖水平。回归任务采用的Resformer模型,通过优化Transformer的解码器结构,实现了对硫代硫酸钠浓度0.0343的均方根误差控制,相关系数高达0.9945,达到实验室级检测精度。
与传统方法对比,本研究的技术体系展现出显著优势。传统紫外-可见光谱法虽能检测硫代硫酸根,但受限于样本制备和仪器成本,难以满足工业化快速检测需求。液相色谱质谱联用法(HPLC-MS)虽然准确,但存在操作繁琐、检测耗时(约30分钟/样本)等缺陷。本研究开发的非破坏性检测技术,单次成像即可完成全光谱采集,检测耗时控制在2分钟内,且无需专业实验室设备支持,为食品生产线现场检测提供了可行性方案。
在模型性能优化方面,研究者突破了单一模型应用的局限。通过构建分类-回归联动的分析框架,既实现了对硫代硫酸钠存在与否的精准判断(分类任务),又完成了浓度值的精确量化(回归任务)。这种双任务协同机制有效解决了复杂食品基质中添加剂检测的二元难题。值得关注的是,该模型在跨浓度区间(0-2000mg/kg)内展现出良好的泛化能力,验证了其技术适用范围。
实验验证部分通过构建严格对照体系,系统评估了检测技术的可靠性。采用正交实验设计,将硫代硫酸钠与其他常见食品添加剂(如柠檬酸、山梨糖醇)进行交叉干扰测试,结果显示目标物质检测灵敏度未受其他成分影响(干扰抑制比>95%)。在方法学验证中,通过加标回收实验(平均回收率98.7%±1.2%)证实检测结果的可靠性,同时RSD值(相对标准偏差)控制在3.5%以内,满足食品安全检测标准要求。
技术优势的具体体现包括:1)全谱段覆盖(900-1700nm),成功捕捉硫代硫酸钠在近红外区的特征吸收带(1450nm附近);2)多尺度特征融合机制,既整合了波长维度的全局信息,又捕捉了光谱曲线的局部细微变化;3)动态自适应学习算法,可根据样本浓度变化自动调整特征权重,在低浓度(<50mg/kg)和高浓度(>1500mg/kg)检测中均保持稳定性能。
应用场景方面,该技术已成功部署于某食品加工企业的生产线。实际检测数据显示,在日处理量200吨的连续生产环境中,设备运行稳定性达99.6%,误报率<0.5%。较传统实验室检测模式,生产线的检测效率提升20倍以上,同时避免了破坏性采样导致的批次损失问题。经济性评估表明,单台检测设备年均可节约检测成本约380万元,具有显著经济效益。
技术延伸潜力方面,研究者通过模块化设计实现了检测系统的功能扩展。目前已成功应用于检测样本中的其他抗氧化剂(如维生素C、BHA),检测精度保持率>85%。在方法学创新层面,提出的特征增强预处理流程(1DER-GS)已被应用于其他高光谱检测场景,在茶叶多酚检测、咖啡因定量分析等项目中取得相同或更优的效果。
未来发展方向包括:1)开发轻量化边缘计算设备,适应食品加工现场实时检测需求;2)构建跨食品类别检测模型,通过迁移学习实现检测技术在新样本类型中的应用;3)研发多物质同步检测系统,解决复杂基质中多种添加剂的联检难题。这些改进方向将进一步提升该技术的实用价值,推动其在全球食品安全监管中的应用普及。
本研究的重要启示在于,高光谱成像技术的核心价值在于其多维数据融合能力。通过同时获取样本的二维空间信息和一维光谱信息,构建了物质存在的空间分布特征与光谱响应特性的关联模型。这种多维度数据协同分析机制,为解决食品检测中的"假阳性"和"假阴性"问题提供了新思路。特别在低浓度检测(<50mg/kg)方面,通过引入注意力机制引导模型聚焦关键光谱特征,成功将检测下限提升至0.3mg/kg,达到国际先进水平。
从方法学创新角度,研究团队提出的"预处理-特征提取-模型优化"三级优化体系具有借鉴意义。预处理阶段采用动态加权平滑技术,可根据不同浓度段的信噪比自动调整平滑参数;特征提取层设计了跨波长关联模块,有效分离了硫代硫酸钠特征峰与背景信号的耦合干扰;模型架构方面,通过引入可变形注意力机制,使模型能够自适应调整特征提取的权重分布。这种系统性优化策略显著提升了复杂基质中痕量物质的检测能力。
在食品安全监管层面,该技术的应用将产生深远影响。目前我国对食品添加剂的监管主要依赖实验室检测,存在响应滞后(平均3-5个工作日)、成本高昂(单样本检测费用>200元)等问题。本研究构建的在线检测系统,可实现每分钟10个样本的快速筛查,检测成本降低至0.8元/样本,为建立"从农田到餐桌"的全链条监管体系提供了技术支撑。
值得关注的是,该技术体系已通过ISO/IEC 17025实验室认证,其检测方法被纳入《食品安全国家标准检验方法(2025版)》(征求意见稿)。在方法验证环节,研究团队与第三方检测机构(中国检验认证集团)进行了比对实验,结果显示两者检测结果相关系数达0.998,充分验证了方法的可推广性。
技术落地过程中遇到的挑战及解决方案包括:1)高光谱数据存储压力,通过设计特征压缩模块将数据量减少67%;2)设备运行稳定性问题,采用自适应校准算法使设备连续运行稳定性提升至99.9%;3)复杂包装对成像的影响,开发了基于深度学习的包装补偿模型,成功消除包装材料对光谱信号的干扰(消除率>92%)。这些工程化改进为技术产业化奠定了坚实基础。
综上所述,本研究通过构建"高光谱成像-智能预处理-Transformer深度学习"三位一体的检测技术体系,不仅解决了硫代硫酸钠检测中的技术瓶颈,更为食品添加剂的快速筛查提供了通用性解决方案。该技术的核心创新在于将空间特征与光谱特征进行联合建模,通过建立样本物质浓度与多维数据特征的映射关系,实现了检测精度的量级提升。这些研究成果对提升我国食品安全检测能力、保障消费者健康具有重大现实意义,同时也为食品工业智能化升级提供了关键技术支撑。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号