《Applied Food Research》:Enhanced quality assessment of Cymbopogon citratus essential oil by integrating Raman spectroscopy with machine learning methods
编辑推荐:
拉曼光谱结合变量选择方法与机器学习算法被用于检测柠檬草(*Cymbopogon citratus*)精油(essential oil, EO)中的掺假物,包括蓖麻油、花生油、葵花籽油、聚乙二醇-400(polyethylene glycol-400, PEG-
拉曼光谱结合变量选择方法与机器学习算法被用于检测柠檬草(*Cymbopogon citratus*)精油(essential oil, EO)中的掺假物,包括蓖麻油、花生油、葵花籽油、聚乙二醇-400(polyethylene glycol-400, PEG-400)和邻苯二甲酸二乙酯(diethyl phthalate, DEP)。研究应用了三种变量选择方法:蒙特卡罗无信息变量消除(Monte Carlo Uninformative Variable Elimination, MC-UVE)、随机蛙跳(Random Frog)和连续投影算法(Successive Projection Algorithm, SPA)。主成分分析(Principal Component Analysis, PCA)结果表明,SPA能有效识别捕获90.1%方差的变量,并提升可解释性。随机森林(Random Forest, RF)分类取得了持续高精度,其中SPA获得了最佳独立测试集准确率(97.6%)和平衡准确率(97.9%),显著优于MC-UVE和Random Frog。极端梯度提升(Extreme Gradient Boosting, XGBoost)进一步证实了变量选择的重要性,其中SPA-XGBoost达到了最高独立测试准确率(98.8%)和平衡准确率(92.5%),即使对于花生油和葵花籽油等挑战性掺假物也表现出优越的逐类泛化能力。支持向量机回归(Support Vector Machine Regression, SVR)提供了掺假物浓度的优异定量预测,校准、验证和预测的R2值均高于0.98,且预测均方根误差(Root Mean Square Error of Prediction, RMSEP)较低(0.03-0.04)。Random Frog和MC-UVE在降低预测误差方面提供了边际改善,确认了SVR的稳健性和精确性。总体而言,该研究建立了一个概念验证框架,证明拉曼光谱结合化学计量学和机器学习方法能够实现柠檬草精油快速、无损和可重复的鉴别。尽管模型在受控条件下表现出优异的稳定性,未来工作应纳入更广泛的样本异质性和多掺假物系统以增强工业适用性。
研究背景与问题
柠檬草(*Cymbopogon citratus*)精油因其独特的柠檬香气和广泛的生物活性,在食品保鲜、制药及化妆品工业中具有重要经济价值。该精油的主要活性成分为柠檬醛(citral,约占75-85%),由香叶醛(geranial,即柠檬醛A)和橙花醛(neral,即柠檬醛B)两种异构体组成,赋予其抗菌、抗真菌及抗炎特性。然而,由于经济利益的驱动,柠檬草精油常被低价植物油(如花生油、葵花籽油、蓖麻油)及合成化学品(如聚乙二醇-400、邻苯二甲酸二乙酯)掺假,这不仅降低了产品的质量,更可能因药理活性受损而对消费者健康造成潜在危害。当前,气相色谱-质谱联用(GC-MS)和气相色谱-氢火焰离子化检测(GC-FID)虽被公认为精油鉴别的金标准,但其仅适用于挥发性掺假物的检测,对于高沸点、非挥发性的掺假物(如植物油、PEG-400、DEP)则存在明显局限。因此,开发一种能够快速、无损、可靠地鉴别非挥发性掺假物的新方法具有重要的科学意义和工业应用价值。
研究人员开展了什么研究
为填补现有研究空白,研究人员提出将拉曼光谱分析与先进的变量选择方法和化学计量学算法相结合,构建针对柠檬草精油中非挥发性掺假物的定性和定量分析框架。研究系统评估了三种变量选择方法——蒙特卡罗无信息变量消除(MC-UVE)、随机蛙跳(Random Frog)和连续投影算法(SPA)——对模型性能的影响,随后采用主成分分析(PCA)进行探索性分析,利用随机森林(RF)和极端梯度提升(XGBoost)两种集成学习算法进行掺假物分类识别,并构建支持向量机回归(SVR)模型实现掺假浓度的精确量化预测。
关键技术方法
样品来源于印度中央药用和芳香植物研究所(CSIR-Central Institute of Medicinal and Aromatic Plants, Lucknow)的正品柠檬草精油,掺假物包括三种植物油(葵花籽油、花生油、蓖麻油,购于印度斋浦尔)和两种合成化学品(PEG-400和DEP,Sigma-Aldrich出品)。按5%、10%、20%、30%、40%和50%(v/v)六个浓度水平制备掺假样品,共480个样本。拉曼光谱采用配备785 nm固态二极管泵浦激光器的MacroRAM台式仪器(Horiba Scientific)采集,激光功率调至最大值的30%,积分时间10 s,光谱分辨率8 cm
-1,扫描范围200-3400 cm
-1,每个样品累积扫描三次。光谱预处理包括基线校正(LabSpec 6软件,三阶多项式,最多150个锚点)、宇宙射线剔除(三阶Savitzky-Golay滤波)和单位矢量归一化。数据集按约65%训练、剩余35%均等分配给交叉验证和独立测试集的分区策略,采用分层随机分割确保各类别分布一致。特征选择方法包括基于蒙特卡罗重采样稳定性比率的MC-UVE(100次迭代,保留993个变量)、基于马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)随机搜索的Random Frog(10,000次迭代,保留997个变量),iperformance(ncomponents=10, cvfolds=5)以及通过正交投影最小化共线性的SPA(经5折交叉验证优化至205个变量)。分类模型RF通过袋外(out-of-bag, OOB)误差估计优化树数量(20-300棵,容差阈值0.0005,早停耐心值3),XGBoost采用网格搜索交叉验证优化超参数(学习率、最大树深度、子采样比、列采样比、L2正则化等)。SVR采用径向基函数(radial basis function, RBF)核,正则化参数C=1.0,ε=默认值,γ=0.001。
研究结果
特征选择与PCA分析
SPA经优化筛选出205个变量,为三种方法中最精简的特征子集。PCA结果显示,全光谱(1986变量)前3个主成分捕获89.02%方差,MC-UVE(993变量)为84.55%,Random Frog(997变量)为88.21%,而SPA(205变量)达到最高的90.10%,表明SPA在大幅降低维度同时最大程度保留了核心光谱变异信息。得分图显示,纯柠檬草精油样品聚类紧密,植物油掺假物沿PC1方向偏离(受不饱和脂肪酸C=C伸缩振动和酯羰基振动驱动),合成掺假物则呈现正交分离:PEG-400沿PC2分离(醚键骨架振动840-860 cm
-1),DEP则由芳香环伸缩振动(1580-1600 cm
-1)区分。
RF分类性能
SPA-RF模型表现最优:独立测试集准确率97.62%、平衡准确率97.92%、加权F1分数97.62%,显著优于Random Frog(准确率92.86%、平衡准确率93.75%)和MC-UVE(准确率95.24%、平衡准确率95.83%)。逐类分析显示,SPA对纯精油、DEP和PEG-400实现完美分类(精确率、召回率、F1分数均为1.000);对于挑战性较大的植物油掺假物,SPA对花生油的召回率达0.938、葵花籽油达0.938,而Random Frog对花生油的召回率仅0.875、葵花籽油仅0.750。
XGBoost分类性能
SPA-XGBoost达到最高独立测试准确率98.80%和平衡准确率92.50%。交叉验证中SPA的准确率为91.69%±5.22%,优于MC-UVE(91.76%±7.89%,稳定性较差)和Random Frog(89.34%±7.61%)。全光谱无特征提取模型表现最弱(交叉验证准确率88.16%±5.79%)。逐类性能方面,SPA-XGBoost对几乎所有类别实现完美识别,最难分类的葵花籽油掺假仍达到精确率1.00、召回率0.94、F1分数0.97、逐类准确率0.93,为所有方法中最佳。
SVR定量预测性能
SVR模型对各掺假物的校准、验证和预测R
2值均高于0.98,RMSEP值普遍处于0.03-0.04的低水平。不同变量选择方法间差异较小:Random Frog在部分掺假物(如蓖麻油、花生油RMSEP均为0.032)上略有优势,MC-UVE表现相近,SPA保持低误差(DEP的RMSEP低至0.033)。全光谱模型虽具竞争力,但变量选择方法仍能适度降低预测误差和模型复杂度。
讨论与结论
该研究成功建立了拉曼光谱结合化学计量学和机器学习的柠檬草精油鉴别框架。变量选择方法的引入显著提升了模型性能,其中SPA因能有效最小化共线性同时保留高判别力光谱变量而成为最优策略,其精简的205变量子集不仅计算高效,更实现了最佳的信息浓缩。XGBoost分类模型在SPA特征支持下展现出卓越的泛化能力,即使对于光谱特征相似的花生油和葵花籽油等植物油掺假物也能可靠识别。SVR回归模型则以高精度和低误差实现了掺假浓度的准确定量,证实了该方法在定量分析中的稳健性。
研究结论指出,尽管当前模型在单一来源、二元掺假、受控条件下表现优异,但天然变异(地理来源、采收季节、化学型、储存和加工条件)以及多掺假物共存场景尚未涵盖,可能影响模型的实际泛化。未来研究应拓展多来源正品油样、多掺假物混合体系,并开发同步鉴别与定量的一体化模型,以推动该技术向嵌入式光谱平台的转化,实现精油工业中的实时、原位质量监控。