基于颜色数据与多元统计分析及机器学习的红葡萄酒总单体花青素浓度估算研究

《Journal of the Science of Food and Agriculture》:Total monomeric anthocyanin concentration estimation of red wines based on color data using multivariate statistical analysis and machine learning

【字体: 大 中 小 】 时间:2026年06月18日 来源:Journal of the Science of Food and Agriculture 3.5

编辑推荐:

  背景:红葡萄酒是高价值的葡萄衍生产品,其品质由复杂的化学成分决定。对这些化合物的定性与定量分析是实现产品标准化与分类的关键。本研究旨在整合化学计量学方法与机器学习算法,建立基于非破坏性比色数据的预测模型,用于估算红葡萄酒中的总单体花青素(Total Monom

  
背景:红葡萄酒是高价值的葡萄衍生产品,其品质由复杂的化学成分决定。对这些化合物的定性与定量分析是实现产品标准化与分类的关键。本研究旨在整合化学计量学方法与机器学习算法,建立基于非破坏性比色数据的预测模型,用于估算红葡萄酒中的总单体花青素(Total Monomeric Anthocyanin, TMA)浓度。结果:研究采用三种液体深度(2、3和4 mm)采集酒样图像,并在RGB、HSV和Lab三种颜色空间中进行特征提取。为从数字图像特征中预测TMA含量,研究人员评估了偏最小二乘回归(Partial Least Squares Regression, PLSR)、随机森林(Random Forest, RF)和人工神经网络(Artificial Neural Network, ANN)模型,采用外部验证与分层五折交叉验证。结果表明,最优成像配置为PLSR对应2 mm + HSV,RF与ANN对应2 mm + Lab。交叉验证性能指标显示,PLSR的平均测试R2为0.897 ± 0.019,RF为0.960 ± 0.011,ANN为0.973 ± 0.020;对应的均方根误差(Root Mean Square Error, RMSE)分别为0.252 ± 0.032、0.174 ± 0.023和0.113 ± 0.037。单因素方差分析证实模型间存在显著差异(P < 0.05),Tukey诚实显著性差异检验将非线性的RF与ANN归为一组,与PLSR显著区分。结论:在受控实验条件下,非线性方法(RF和ANN)的预测性能显著优于线性PLSR模型(P < 0.05)。该方法为TMA的准确定量提供了一种快速、非破坏且具有广阔前景的新途径。? 2026 The Author(s). 《Journal of the Science of Food and Agriculture》由John Wiley & Sons Ltd代表化学工业学会出版。
本研究发表于《Journal of the Science of Food and Agriculture》,针对红葡萄酒品质控制中关键指标总单体花青素(Total Monomeric Anthocyanin, TMA)的检测需求展开。红葡萄酒含有数百种化合物,其中花青素是决定色泽的核心酚类物质,其浓度随酿造过程中的聚合与共色素反应动态变化,直接影响产品的稳定性与市场价值。传统检测方法如紫外-可见光谱、核磁共振(NMR)、电子舌及傅里叶变换中红外光谱虽有效,但依赖昂贵仪器、需专业人员操作且多为破坏性检测。相比之下,基于计算机视觉的数字图像处理方法凭借低成本、非破坏性优势正受到关注,然而此前尚无研究利用随机森林(Random Forest, RF)或人工神经网络(Artificial Neural Network, ANN)回归分析数字图像特征来预测红葡萄酒中的花青素浓度。为此,研究人员开发了一套结合定制成像系统与机器学习算法的分析方案,旨在实现TMA的快速、无损定量。
研究人员共纳入43款市售红葡萄酒样本,涵盖西拉(Syrah)、Bo?azkere、?küzg?zü、?alkaras?、赤霞珠(Cabernet Sauvignon)及梅洛(Merlot)等品种,年份跨度为2022至2024年,以最大化样本的化学多样性。关键技术方法包括:构建封闭式透光成像暗箱,采用透射光模式配合18 lux恒定LED光源采集图像;开发Python自动化算法,实时提取RGB、HSV及CIE-Lab颜色空间的直方图特征;采用pH示差法测定TMA真值作为金标准;分别建立偏最小二乘回归(Partial Least Squares Regression, PLSR)、RF及ANN回归模型,并通过嵌套交叉验证与超参数优化确保模型稳健性。
结果与讨论
理化性质分析:样本TMA浓度范围为2.29至87.83 mg·L?1,年轻酒款总体高于陈年酒款,印证了酿造过程中单体花青素因聚合反应逐渐减少的规律,同时品种与浸渍工艺也导致浓度差异。
PLSR模型预测:模型最优配置为2 mm液深结合HSV颜色空间,测试R2达0.944,RMSE为0.184。虽然双因素方差分析显示液深与颜色空间对性能无显著影响(P > 0.05),但该模型需10个潜变量才能达到最佳预测效果,较高的复杂度可能影响实际泛化能力。其精度已可与传统光谱结合PLSR的方法相媲美。
RF模型预测:模型表现出极高的稳定性,最优配置为2 mm液深结合Lab颜色空间,测试R2高达0.976,RMSE低至0.137。统计检验表明其性能不受成像条件变化的干扰。该精度与基于荧光光谱的XGBoost模型相当,证明了低成本图像特征结合树模型的强大潜力。
ANN模型预测:模型在所有配置中表现最优,2 mm液深结合Lab特征时达到测试R20.994与RMSE 0.059的卓越精度。双因素方差分析显示,特征矩阵类型(颜色空间)对性能有显著影响(P < 0.05),而液深影响不显著。相比手动特征工程的传统模型,现代ANN架构能从原始数据中自动学习复杂的非线性相互作用。
模型性能比较:通过分层五折交叉验证获得的稳健结果显示,PLSR平均R2为0.897 ± 0.019,显著低于RF(0.960 ± 0.011)与ANN(0.973 ± 0.020)(P < 0.05)。RF与ANN性能无统计学差异,但ANN具有最高的绝对精度。研究指出当前数据集规模有限且基于实验室环境,未来需在更多样化的样本与硬件条件下验证模型的迁移能力。
结论
本研究评估了三种回归模型基于数字图像特征预测红葡萄酒TMA浓度的效能。分层五折交叉验证与统计分析证实,非线性方法(RF与ANN)显著优于线性PLSR模型(P < 0.05),且RF与ANN精度相当。鉴于RF训练速度快且可解释性强,其在常规应用中具有平衡优势;而对于追求极致精度的精品红酒市场,ANN的微小优势可能值得其额外的计算成本。该研究作为一种概念验证,展示了低成本数字成像结合机器学习在红葡萄酒花青素快速检测领域的巨大潜力。建议未来研究扩大样本范围,纳入更多栽培品种,以增强模型的通用性与鲁棒性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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