基于双分支卷积神经网络辅助的紧凑型智能气体传感系统实现黄曲霉毒素B1的高精度定量检测

《Foods》:High Accuracy Quantification of Aflatoxin B1 via a Compact Smart Gas Sensing System Assisted by Dual-Branch Convolutional Neural Network Changyi Liu, Yu Guo, Qi Bao, Junqiao Li, Peipei Huang and Xiulan Sun

【字体: 大 中 小 】 时间:2026年03月06日 来源:Foods 6.0

编辑推荐:

  谷物在储运过程中的霉菌毒素污染对全球粮食安全构成重大威胁,传统检测方法难以实现实时监测。本研究提出一种用于霉菌毒素检测的紧凑型智能气体传感系统(compact smart gas sensing system),通过分析真菌生长过程中释放的挥发性有机化合物(v

  
谷物在储运过程中的霉菌毒素污染对全球粮食安全构成重大威胁,传统检测方法难以实现实时监测。本研究提出一种用于霉菌毒素检测的紧凑型智能气体传感系统(compact smart gas sensing system),通过分析真菌生长过程中释放的挥发性有机化合物(volatile organic compounds, VOCs),实现对黄曲霉毒素B1(Aflatoxin B1, AFB1)污染玉米的非破坏性测试及AFB1的精确定量检测。此外,研究人员开发了双分支卷积神经网络(dual-branch convolutional neural network, DB-CNN)模型,对VOCs信号的时间与空间特征进行深度分析。该系统通过提取真菌VOCs的特征指纹谱,对感染禾谷镰刀菌(Fusarium graminearum)和黄曲霉(Aspergillus flavus)的谷物(玉米、花生、小麦、水稻)识别准确率达100%。在定量分析(quantitative analysis)中,DB-CNN表现出良好性能(RMSE = 1.0292 μg/kg, R2= 0.9994)。此外,所设计的检测系统支持无线传输并可连接智能手机进行数据传输,便于数据存储与远程监控。整个检测过程可在4 min内完成。本研究为食品供应链中真菌污染的动态实时监测提供了创新技术基础,有助于早期预警系统与质量控制措施的实施。
论文解读:基于VOC气体传感与双分支CNN的黄曲霉毒素B1无损快速检测研究
一、研究背景与意义
黄曲霉毒素B1(Aflatoxin B1, AFB1)是由黄曲霉(Aspergillus flavus)产生的一类Ⅰ类致癌物,广泛污染玉米、花生等作物,严重威胁人体健康并造成巨大经济损失。现行标准检测方法如液相色谱-串联质谱(liquid chromatography-tandem mass spectrometry, LC-MS/MS)、高效液相色谱(high-performance liquid chromatography, HPLC)及酶联免疫吸附测定(enzyme-linked immunosorbent assay, ELISA)虽准确但存在前处理复杂、耗时长、需专业人员操作及破坏样品等局限,难以满足粮仓现场实时、非破坏性监测需求。基于挥发性有机化合物(volatile organic compounds, VOCs)的电子鼻(electronic nose, E-nose)技术可实现无损检测,但现有研究多聚焦于真菌有无判定,缺乏通过VOCs间接定量AFB1毒素含量的深入研究。鉴于产毒黄曲霉菌株会释放特异性VOCs作为"化学指纹",本研究由Changyi Liu等人开展,旨在开发一套集成双分支卷积神经网络(dual-branch convolutional neural network, DB-CNN)的紧凑型智能气体传感系统,通过解析真菌代谢VOCs时空特征实现谷物中AFB1的高精度分类识别与定量预测。该成果发表于《Foods》。
二、主要关键技术方法
研究人员选用商业金属氧化物(metal oxide, MOX)传感器阵列(MQ-136, MQ-137, TGS2600, TGS2602, TGS2603, TGS2620)捕捉黄曲霉与禾谷镰刀菌(Fusarium graminearum)代谢特征VOCs(NH3, H2S, 醇类及硫醇类)。硬件系统采用主动气流循环设计含硅胶除湿与温湿度补偿模块,以Raspberry Pi Zero 2W为主控,ADS1115进行16位模数转换,支持GPS定位与Wi-Fi/Bluetooth无线传输至定制Android APP。样本方面,使用实验室接种培养的不同侵染天数玉米样本(训练/测试集)及购自企业的6批次独立玉米样本(外部验证集),AFB1真值由LC-MS/MS标定。算法上构建DB-CNN:两支并行卷积分支分别采用ReLU+最大池化(Max Pooling)与Sigmoid+平均池化(Average Pooling)提取异构特征后拼接融合,分类任务用SoftMax与交叉熵损失,回归任务用线性回归单元与均方误差(mean square error, MSE)损失,Adam优化器训练。原始传感器时序响应矩阵(6传感器×60时间点)重排为18×20×1张量作为输入,并做基线扣除与异常值剔除预处理。
三、研究结果
3.1. Acquisition and Processing of VOCs Data from Grain Samples Inoculated with F. graminearum and A. flavus
研究人员建立采样流程:传感器预热20 min,洁净空气吹扫3 min,置入5 g样品后以1 Hz频率采集60 s,随后恢复清洗。将6通道×60点响应矩阵整形为18×20单通道三维张量输入DB-CNN,全流程≤4 min。
3.2. Detection of AFB1Content in Inoculated A. flavus Corn Samples
经LC-MS/MS验证,黄曲霉接种玉米中AFB1含量随培养时间递增,第8天超过国标限值(20 μg/kg),证实建立VOCs-AFB1关联模型的必要性。
3.3. Calibration of the Gas Sensing System Using a Commercial VOC Gas Detector
自研传感系统响应趋势与商用VOC检测仪一致,拟合线性度R2=0.9876,证明系统具备可靠定量检测VOCs能力。
3.4. Classification Performance Analysis of the Gas Sensing System
采集空气、乙醇及四种谷物染黄曲霉/禾谷镰刀菌共8类气体样本,PCA显示前两主成分累积贡献率99.7%,传感器阵列可有效区分。DB-CNN对八类气体测试集分类准确率、精确率、召回率、F1值及Cohen's kappa均达100%,优于单一CNN(96.88%)与LSTM(97.50%)。消融实验证实双分支结构提升性能,Grad-CAM与SHAP值分析表明MQ-137、TGS2600、MQ-136为关键贡献传感器,不同分支分别关注时序动态与全局模式。
3.5. Gas Sensing System Quantitatively Detects AFB1in Corn Samples Inoculated with A. flavus
建立VOCs与AFB1浓度回归模型,DB-CNN预测值与真值吻合良好(R2=0.9994,RMSE=1.0292 μg/kg),Bland-Altman分析95%一致性界限为+1.55至-1.43 μg/kg。低(0–10 μg/kg)、中(10–50 μg/kg)、高(50–200 μg/kg)浓度段MAE分别为0.26、有94%预测误差窄幅分布、0.323 μg/kg,模型稳健。外部验证集对比市售荧光定量检测仪,偏差<±3.3%(接近国标限值时<0.7 μg/kg),证实系统在实际复杂场景下具良好泛化能力。SHAP分析显示TGS2603对AFB1定量预测影响最显著。
四、讨论与结论总结
研究人员得出结论:本研究开发的集成DB-CNN紧凑型智能气体传感系统,通过分析真菌代谢VOCs"气体指纹",对禾谷镰刀菌与黄曲霉感染的多类谷物识别准确率达100%;对AFB1定量回归表现优异(RMSE = 1.0292 μg/kg, R2= 0.9994)。DB-CNN双分支架构分别提取时空动态特征与空间概率特征并实现互补融合,增强了对复杂VOCs数据的适应性。系统检测速度快(4 min/样)、支持手机APP无线传输与分级预警(AFB1>20 μg/kg报警),可为食品供应链真菌污染动态实时监测、早期预警及质量控制提供创新非破坏性解决方案,且具备扩展至其他谷物检测的潜力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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