基于生物物理原理的电阻抗光谱与RGB图像空间一致性对齐,用于肉类中水胶体的无损定量分析

《Food Bioscience》:Biophysically-Guided Spatially Consistent Alignment of Electrical Impedance Spectroscopy and RGB Imagery for Non-Destructive Quantification of Hydrocolloids in Meat

【字体: 大 中 小 】 时间:2026年07月04日 来源:Food Bioscience 6.2

编辑推荐:

  蔡鸿浩|林玉渊|江宇轩|林嘉泽|蔡洪豪 中国福建省厦门市集美大学理学院 摘要 基于深度学习的多模态感知技术通过整合不同感知方式提供的互补信息,在食品掺假检测领域展现出巨大潜力。然而,现有大多数方法将光谱信号压缩为一维向量,并直接与图像特征拼接,往往忽视了各感知模式之间的物理关联,

  蔡鸿浩|林玉渊|江宇轩|林嘉泽|蔡洪豪 中国福建省厦门市集美大学理学院 摘要 基于深度学习的多模态感知技术通过整合不同感知方式提供的互补信息,在食品掺假检测领域展现出巨大潜力。然而,现有大多数方法将光谱信号压缩为一维向量,并直接与图像特征拼接,往往忽视了各感知模式之间的物理关联,从而限制了模型的可解释性。为解决这一问题,我们提出了PhysiCoFuse这一基于物理原理的多模态框架,该框架结合电阻抗谱技术和RGB成像技术,用于无损量化牛肉里脊中的水胶体掺假情况。该框架由三个核心组件构成:首先,多频率阻抗编码器能够提取与频率相关的阻抗特征,并通过频率注意力机制突出有用的光谱响应;其次,伪生物物理图生成器可将电阻抗谱测量结果转换为具有空间结构的伪生物物理表示,为多模态学习提供可解释的中间载体;最后,跨模态物理一致性模块则促使从阻抗和图像中得到的潜在特征在共享的组织相关响应空间内保持一致。研究团队构建了一个受控的多模态数据集,其中包含不同卡拉胶掺假程度及多种类型水胶体污染的黄牛牛肉里脊样本的对应电阻抗谱和RGB图像数据,用于性能评估。实验结果表明,PhysiCoFuse在掺假程度量化方面的分类准确率为0.9917 ± 0.0065,在水胶体类型识别方面的准确率为0.9963 ± 0.0074,其性能始终优于其他单模态模型及传统融合模型。进一步的嵌套交叉验证也证明了该框架的稳定性。这些研究结果表明,基于物理原理的多模态融合技术有望实现肉类产品中水胶体掺假的高效、无损检测。引言 肉类是膳食蛋白质的重要来源,因此,准确检测出于经济目的的食品掺假行为对于保障食品安全和质量控制至关重要。多糖类水胶体因其凝胶、乳化、增稠和保水等功能而被广泛用于肉类制品中(Bao等人,2025;Cao等人,2022;Osman等人,2022;Pietrasik & Soladoye,2021;Wongphan等人,2022;Zhao等人,2022)。尽管这类添加剂通常被允许作为食品成分使用,但过量添加或未如实标注可能会影响产品的质量和真实性。尤其是卡拉胶及相关水胶体,可能被滥用以提高产品的持水能力,进而增加其表观重量并改变质地,这在牛肉供应链中可能引发经济欺诈行为(Liu等人,2021;Zhu等人,2025)。然而,掺假肉与正常肉在视觉上的相似性,加上传统分析技术的局限性,都阻碍了快速现场筛查的实现。因此,亟需开发快速且无损的水胶体掺假检测方法。目前用于检测水胶体的传统方法主要依赖于破坏性的实验室分析技术,如色谱-质谱法、凝集素组织化学法和基于PCR的检测方法(Bartlová等人,2021;Guo等人,2022;Yayla & Ekinci Do?an,2021)。尽管这些方法灵敏度很高,但通常需要复杂的样品预处理流程、专业仪器以及受过培训的操作人员。而低场核磁共振和傅里叶变换红外光谱等无损检测方法虽然分析速度更快,但仍可能受到样品基质复杂性和操作条件限制的影响(Cando?an等人,2021;Gai等人,2019)。电阻抗谱技术因其成本低、便携性强,以及对离子传导和组织结构变化敏感的特点,越来越受到关注(Feng等人,2025;Gao等人,2024b;Huang等人,2023;Wang等人,2024;Wu等人,2008)。不过,电阻抗谱响应本质上具有非特异性,且容易受到水分含量、盐分浓度、组织异质性及环境因素的影响,这限制了其单独使用的检测效果(Qiu等人,2024)。RGB成像技术虽能提供关于表面颜色、形态和质地的补充信息,但却无法直接反映物质的物理化学性质(Huang等人,2022)。近期的一些研究已经证明了结合视觉和光谱感知的多模态策略在食品质量评价和掺假检测方面的优势(Li等人,2026;Sadeghi等人,2025)。然而,目前大多数现有的多模态框架仍然采用特征拼接或决策级融合的方式,这类方法往往将不同感知模式之间的关系视为纯粹的统计关联,从而可能忽略水胶体掺假所引发的电气和视觉变化背后的共同物理机制,进而降低模型的稳健性和可解释性。如表1所示,光谱技术和阻抗技术虽然能够检测到成分变化,但存在非特异性和易受环境因素影响的缺陷;而成像技术虽然能提供丰富的空间信息,却无法直接获取内部的物理化学性质。虽然多模态策略已实现了更高的检测精度(例如Jia等人2024年的研究显示准确率可达98.58%),但大多数已报道的融合框架仍属于经验驱动型,仅依靠统计加权或特征拼接,未能对背后的物理化学机制进行明确建模。在实际的肉类检测场景中,阻抗值的变化可能源于水分分布、离子迁移率、细胞完整性以及组织微观结构的变化,而RGB图像则反映了相应的外观颜色、质地和表面形态变化。实际上,这些变化并非相互独立,而是由水胶体掺入所引发的共同物理化学和微观结构变化所导致的。具体而言,这两种感知模式都是通过不同的物理机制来捕捉相同的掺假特征。但目前的多模态框架很少利用这种内在的跨模态一致性,因此融合模型可能会学习到由照明条件变化、电极接触状况、水分波动或样品差异等因素引起的虚假关联,即那些并非由掺假本身导致的干扰性变化,进而影响模型的稳健性和可解释性。为解决这些问题,我们提出了PhysiCoFuse这一基于生物物理原理的多模态融合框架,用于无损量化牛肉中的水胶体掺假情况。本研究的主要贡献如下:(1)开发了多频率阻抗编码器,用于学习与频率相关的电阻抗谱特征,并突出有用的阻抗响应;(2)设计了伪生物物理图生成器,可将电阻抗谱测量结果转换为伪生物物理图,为与RGB特征融合提供可解释的中间表示,这些图是基于模型推断得到的潜在特征,而非水分含量、离子浓度、组织孔隙率或细胞完整性的直接测量值;(3)引入了跨模态物理一致性模块,使来自阻抗和图像的特征在共享的生物物理潜在空间内保持一致,从而减少纯粹基于统计或物理上不合理的特征关联;(4)构建了一个名为CarraComp的受控多模态牛肉里脊数据集,该数据集包含不同卡拉胶及复合水胶体掺假程度的黄牛牛肉里脊样本,以及对应的电阻抗谱和RGB图像数据,便于在可控的单基质条件下系统评估掺假程度量化及水胶体类型识别的性能。样本及预处理部分 黄牛牛肉里脊(新鲜)购自中国厦门市一家经过当地市场监管部门定期检查的正规零售商(RT-MART),在屠宰后不久便以新鲜状态送达。这些肉类作为未经处理的新鲜牛肉出售,且未标注任何添加剂。在样品预处理之前,首先对牛肉里脊进行了视觉检查,那些存在可见脂肪、结缔组织、变色、异常渗出物、疑似注射痕迹或……PhysiCoFuse框架 PhysiCoFuse的整体架构如图2所示,它是一种基于生物物理原理的多模态深度学习网络,旨在量化牛肉中的水胶体掺假情况。该框架由三个核心模块组成:首先,多频率阻抗编码器能够学习与频率相关的电阻抗谱特征,并自动调整权重以突出有用的阻抗响应;其次,伪生物物理图生成器可将编码后的电阻抗谱信号转换为具有空间结构的伪生物物理图……不同掺假程度下的电阻抗谱分析 图6展示了在不同卡拉胶掺假浓度下(从0%到20%)牛肉样本的电阻抗谱数据,具体为阻抗幅值Z在100 Hz至200 kHz八个频率下的测量结果,为简洁起见,此处仅呈现阻抗幅值Z的数据。这些谱图直观地展示了水胶体掺入后组织的基本电学特性,可作为后续学习任务的原始特征向量。在所有样本中……结论 本研究提出了PhysiCoFuse这一基于物理原理的多模态框架,该框架结合电阻抗谱技术和RGB成像技术,用于牛肉中水胶体掺假的无损检测。该框架通过多频率阻抗编码器、伪生物物理图生成器以及跨模态物理一致性模块,实现了阻抗特征与视觉特征之间的物理机制关联。实验结果表明,PhysiCoFuse在检测性能上显著优于其他现有方法……利益冲突声明 作者声明自己不存在任何可能影响本文研究结果的财务利益或个人关系。CRediT作者贡献说明 蔡鸿浩:写作——审稿与编辑、写作——初稿撰写、方法设计、实验研究、资金获取。林嘉泽:可视化处理、软件应用。江宇轩:可视化处理、软件应用。林玉渊:方法设计、实验研究、概念构思。蔡雅璐:写作——审稿与编辑、写作——初稿撰写、可视化处理、软件应用、方法设计数据可用性 本研究使用的源代码已公开发布,地址为:https://github.com/YLu567/PhysiCoFuse。人工智能工具使用声明 作者在准备手稿期间使用了人工智能辅助工具进行语言润色和图表布局优化。利益冲突声明 作者再次声明自己不存在任何可能影响本文研究结果的财务利益或个人关系。致谢 本研究得到了中国福建省自然科学基金项目编号2026J0011186、2022J01821、2022J05163和2022J01806的支持,同时还获得了国家自然科学基金项目编号11705068和32202219的资助。
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