基于可见-近红外(Visible Near-Infrared, Vis/NIR)成像结合机器学习与可解释性分析的枳壳(Fructus Aurantii)产地判别研究

《Journal of Food Composition and Analysis》:Geographical origin discrimination of Fructus Aurantii by visible near-infrared imaging with machine learning and explainable analysis

【字体: 大 中 小 】 时间:2026年06月25日 来源:Journal of Food Composition and Analysis 5.3

编辑推荐:

  摘要:枳壳(Fructus Aurantii, FA)为酸橙(Citrus aurantium L.)的干燥加工品,广泛用于食品及功能性食品中,其品质受产地影响显著。本研究利用可见-近红外(Visible Near-Infrared, Vis/NIR)成像平台

  
摘要:枳壳(Fructus Aurantii, FA)为酸橙(Citrus aurantium L.)的干燥加工品,广泛用于食品及功能性食品中,其品质受产地影响显著。本研究利用可见-近红外(Visible Near-Infrared, Vis/NIR)成像平台采集来自四个产地的FA样品反射图像,通过整合光谱预处理、降维、机器学习分类、强化学习启发的波段选择、海鸥优化算法(Seagull Optimization Algorithm, SOA)优化的XGBoost及定量SHAP(SHapley Additive exPlanations)分析,建立了一套优化且可解释的建模框架用于FA产地判别。SOA-XGBoost模型在四分类产地判别任务中准确率达0.9213 ± 0.0148,且在外部验证集上保持稳定性能。波段选择结果表明有限数量的信息波段即可达到接近全波段模型的性能。定量SHAP分析进一步表明570–730 nm及850–980 nm附近的波长对模型决策贡献显著。结果表明Vis/NIR成像结合波长优化、参数优化及定量可解释性分析可为FA产地快速、无损、可靠判别提供有效途径。
《基于可见-近红外成像与可解释机器学习的枳壳产地判别研究》论文解读
枳壳(Fructus Aurantii, FA)为芸香科植物酸橙(Citrus aurantium L.)的未成熟干燥果实,其黄酮类、挥发油及多糖等活性成分含量受栽培地域的气候、土壤及加工方式影响而存在差异,致使不同产地FA的市场价值与药用质量不一。传统依靠感官评价或理化化学分析(如色谱、质谱)进行产地鉴别存在破坏性强、耗时、成本高及难以高通量筛查等局限,且"黑箱"模型缺乏决策依据。可见-近红外(Visible Near-Infrared, Vis/NIR)光谱/成像技术可非破坏性地获取样品有机组分吸收与散射特征,结合机器学习可挖掘产地相关的光谱差异,但高维光谱数据存在冗余、非线性关系复杂,需合理降维、特征优选及模型参数优化,同时需引入可解释性分析揭示光谱波段与分类决策的关联。本研究由Mingkun Zhang等人开展,旨在建立一套Vis/NIR成像结合优化波长选择、SOA(Seagull Optimization Algorithm)参数寻优XGBoost(eXtreme Gradient Boosting)及SHAP(SHapley Additive exPlanations)定量可解释分析的完整框架,实现FA四种典型产地(江西宜春、湖南益阳、四川眉山、重庆江津)的快速、无损、可靠判别,相关成果发表于《Journal of Food Composition and Analysis》。
研究人员采集四产地各100份建模样本及50份独立外部验证样本,利用31波段(365–980 nm)Vis/NIR成像系统获取反射图像,经黑白校正(R = (I ? Id)/(Iw? Id))及Otsu阈值提取ROI(Region of Interest,感兴趣区域)内各波段均值反射率构建31维光谱向量。采用Savitzky–Golay(SG)平滑、多元散射校正(Multiplicative Scatter Correction, MSC)及导数变换预处理;通过PCA(Principal Component Analysis,主成分分析)与LDA(Linear Discriminant Analysis,线性判别分析)降维;对比XGBoost、SVM(Support Vector Machine)、MLP(Multilayer Perceptron)、PLS-DA(Partial Least Squares Discriminant Analysis)及KNN(k-Nearest Neighbor)五类分类器;设计强化学习启发式波段选择(奖励函数融合验证准确率、波段数惩罚及归一化平均绝对SHAP贡献),并以SOA优化XGBoost的max_depth、learning_rate、n_estimators三参数;以准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1值评估,采用四折交叉验证及独立外部验证集测试;最后对最优XGBoost模型实施SHAP TreeExplainer定量可解释分析。
3.2. Analysis of curves of FA from different origins
研究人员对比原始及SG、MSC、一阶/二阶导数预处理后的平均反射光谱曲线发现,不同产地FA反射率随波长增加总体呈上升趋势,可见光区(400–700 nm)与近红外区(700–900 nm)存在细微但稳定的反射率差异,无全局分离,差异集中于特定波长,表明单纯观察光谱曲线难以实现稳定判别,需依赖后续建模提取微弱特征。
3.3. Association analysis between spectral curves and chemical components of FA
SHAP分析及光谱—化学成分关联分析显示,可见光波段400 nm、475 nm、500–600 nm、680–700 nm与FA中黄酮类、色素化合物吸收相关,受产地光温湿度影响致积累差异;近红外850–980 nm对应C–H、O–H倍频与合频吸收,反映FA中黄酮、有机酸、碳水化合物及水分含量差异,这些产地诱导的化学组分变异被模型捕捉为判别依据。
3.4. PCA and LDA dimensionality reduction results
PCA散点图中不同产地样本存在重叠,说明无监督降维不足以明确区分产地;LDA沿LD1方向可见较明显聚类趋势但仍存部分重叠,表明引入有监督非线性分类模型捕获复杂决策边界是必要的。
3.5. Classification performance results
二分类(江西 vs 其他)中XGBoost最高准确率达约94%;四分类任务中XGBoost(SG预处理+LDA3降维)准确率为0.9056 ± 0.0128,优于SVM、KNN、MLP及PLS-DA,PLS-DA因线性假设表现偏低。外部验证集XGBoost准确率0.8950。江西(类1)与重庆(类4)间存在少量混淆,归因于两地光谱响应在500–650 nm及750–900 nm较为相似。经SOA优化后XGBoost参数定为max_depth=7、learning_rate=0.086、n_estimators=185,SOA-XGB模型四分类内部验证准确率提升至0.9213 ± 0.0148,外部验证准确率0.9100,证实SOA有效提升拟合与泛化能力。
3.6. SHAP interpretability analysis results
对最优XGBoost实施SHAP分析,二分类重要波段含585 nm、680 nm、380 nm、980 nm、730 nm;四分类重要波段集中在730 nm、585 nm、700 nm、900 nm、570 nm等,定量平均绝对SHAP值前五位为730 nm(贡献率13.12%)、585 nm(12.24%)、700 nm(10.47%)、900 nm(9.59%)、570 nm(8.72%),前五位累计贡献54.14%,前十位累计87.57%,与强化学习波段选择结果吻合,说明模型主要依赖少数信息波长的相对变化模式做决策而非单波长绝对值。
3.7. Improved reinforcement learning band selection optimization results
强化学习启发式波段选择选出二分类6个波段(380、585、595、680、730、980 nm),四分类8个波段(570、585、620、700、730、850、900、980 nm),与SHAP重要波段分布一致。随着选定波段由6增至8个,SOA-XGB准确率由0.9064升至0.9187,超过8个后增益极小,全31波段SOA-XGB为0.9213,表明少信息波段可逼近全波段性能,为简化低成本多光谱检测系统提供依据。
讨论与结论翻译
讨论指出FA不同产地光谱差异源于生态气候条件引致的次生代谢物(黄酮、挥发油、多糖)积累差异及采后加工影响;PCA/LDA揭示了数据分布特性;XGBoost因捕捉波段间非线性交互优于一众对比模型;SHAP重要波长与波段选择结果互为印证,产地信息浓缩于少数特征波段。目前局限含外部验证样本产地批次有限、未直接定量化学成分与光谱关联,未来拟结合靶向化学测定完善框架。
结论:本研究建立了基于Vis/NIR成像的FA多产地判别框架,系统评估多种预处理与机器学习模型,31波段光谱可捕获产地相关差异,XGBoost表现最佳,SOA优化进一步提升准确率与泛化性。定量SHAP分析表明少数信息波长主导分类决策,所选波段模型性能接近全波段模型,证实关键产地信息集中于特征波段。所提集成Vis/NIR成像、优化波长选择、SOA参数优化及SHAP定量可解释分析的框架为FA产地快速判别提供了有效且可解释的途径,具无损、快速、低成本优势,在食品及中药材产地溯源与质量评价中有良好应用前景。
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