红外光谱数据融合提升美味牛肝菌产地鉴别准确性

本文主要探讨了"红外光谱数据融合对美味牛肝菌产地鉴别"这一主题，针对食品安全问题日益突出，消费者对于食品原产地环境安全的重视提升，特别是对于地理标志产品的需求增加，如美味牛肝菌（Boletus edulis）。牛肝菌的产品品质深受其原产地环境的影响，因此，开发一种高效且经济的产地鉴别技术显得尤为重要，以保障消费者的健康权益并防止假冒伪劣产品流入市场。 研究者采用数据融合策略，结合偏最小二乘判别（PLS-DA）模型，对来自八个不同产地（昆明、楚雄、玉溪、迪庆、大理、保山、文山和曲靖）的141个美味牛肝菌样品进行了深入分析。他们分别采集了傅里叶变换近红外光谱和傅里叶变换中红外光谱数据，对菌柄（N-b）和菌盖（N-g）以及中红外的对应部分（M-b和M-g）进行了单独处理。 通过肯德尔-斯通算法，数据被划分为训练集和预测集，其中2/3用于训练，1/3用于验证模型性能。研究者尝试了三种融合策略，即低级、中级和高级融合，来整合这些单一光谱矩阵。结果显示，近红外和中红外光谱都具备鉴别牛肝菌产地的能力，但中红外光谱所构建的模型在性能上优于近红外光谱。 融合策略的运用显著提高了产地鉴别效果，其中中级融合表现出最优性能，随后是高级融合，低级融合和单光谱模型。特别是中级融合策略，通过结合近红外和中红外光谱，并基于特征值LV的方法，建立了最少变量数（49个）的模型。这个模型具有极高的产地训练集和预测集正确率（均为100%），以及最低的预测均方根误差（RMSEP为0.133），从而实现了美味牛肝菌产地的快速、准确鉴别。 这项研究的结果不仅为美味牛肝菌的产地溯源提供了有效工具，也为其他农产品的产地鉴别提供了宝贵的经验，有助于提升食品安全标准，维护消费者权益。