010-82794912
010-82794912
Glucosinolate quantification in multi-cultivar broccoli powder using explainable deep learning
该研究由河北农业大学团队完成，发表于《Journal of Food Composition and Analysis》，针对传统高效液相色谱（HPLC）检测西兰花粉末中芥子油苷（GSL）耗时费力、依赖试剂的痛点，首次整合多光谱成像技术与可解释深度学习模型，开发了快速、无损、高精准的 GSL 定量检测方法，为西兰花粉末品质控制、高 GSL 品种筛选及功能性食品生产提供了关键技术支撑。
研究背景和目的
背景：西兰花是全球广泛种植的十字花科蔬菜，富含芥子油苷（GSL）等生物活性物质，GSL 具有防癌、调节体重、降血脂、降低糖尿病风险等多重健康功效，西兰花粉末作为功能性食品原料，其 GSL 含量是核心品质指标。目前 GSL 定量的主流方法为 HPLC，但该方法操作繁琐、耗时久、依赖化学试剂，无法满足食品加工中的实时质控和作物育种中的高通量筛选需求，亟需开发高效、无损的检测技术。多光谱成像（MSI）技术可同时获取样本的空间与光谱信息，已广泛应用于农产品中花青素、酚类、维生素等成分的定量检测，且光谱与图像纹理特征融合能提升预测精度；但传统机器学习方法难以捕捉 GSL 与光谱数据间的复杂非线性关系，而深度学习模型虽特征提取能力强，却存在 “黑箱” 问题，缺乏可解释性。
研究目的：整合多光谱成像的光谱数据与图像纹理特征，构建深度学习模型，实现西兰花粉末中总 GSL 含量的快速定量检测；对比 CNN、CNN-BiLSTM、CNN-BiLSTM-ATT 三种模型的性能，筛选最优模型；利用 SHapley Additive exPlanations（SHAP）方法解析模型关键特征，揭示影响 GSL 定量的核心光谱波段与纹理参数，解决深度学习 “黑箱” 问题，提升模型可信度。
核心试验方法
①总 GSL 含量测定（HPLC 法，作为真实值）
②多光谱成像与特征提取
仪器：丹麦 Videometer Lab 4 多光谱成像系统，扫描面积 90 mm×90 mm，含 19 个窄带 LED 光源（365-970 nm，覆盖紫外、可见、近红外波段）；
图像采集：将样本均匀铺于培养皿，在封闭积分球中采集多光谱图像，避免环境光干扰；
特征提取：光谱特征：提取 19 个波段的反射率数据；纹理特征：采用灰度共生矩阵（GLCM）提取对比度、相关性、能量、均匀性 4 个参数，采用局部二值模式（LBP）提取 59 个参数，剔除零值后保留 16 个有效纹理特征。
③数据预处理与数据集划分
预处理：采用三种策略优化数据 ——Savitzky-Golay（SG）平滑（消除高频噪声）、标准正态变量（SNV）归一化（校正基线漂移和散射干扰）、SG-SNV 联合预处理；
特征选择：采用连续投影算法（SPA）筛选与 GSL 高度相关的特征参数，降低模型复杂度；
数据集划分：按 8:2 比例随机分为训练集和测试集，采用五折交叉验证评估模型稳健性。
④模型构建与评价
构建三种深度学习模型：CNN、CNN-BiLSTM、CNN-BiLSTM-ATT
⑤模型可解释性分析
采用 SHAP 方法计算各特征的 SHAP 值，量化特征对模型输出的贡献度，识别关键光谱波段与纹理特征，生成特征重要性图和依赖关系图。
上图：光谱反射率与预处理反射率。(a)原始反射率；(b)SG平滑预处理；(c) SNV 预处理；(d)SG- SNV 预处理。
SG- SNV -CNN-BiLSTM-ATT模型使用全参数数据的Shap总结图与条形图。(a)训练集Shap总结图；(b)测试集Shap总结图；(c)训练集Shap条形图；(d)测试集Shap条形图。
研究结论
1.整合多光谱成像的光谱数据与图像纹理特征，结合 SG-SNV 联合预处理，构建的CNN-BiLSTM-ATT 模型是西兰花粉末总 GSL 含量定量的最优模型，经五折交叉验证，预测精度高、稳健性强。
2.SHAP 可解释性分析揭示，430 nm、405 nm、365 nm、450 nm是影响 GSL 定量的核心光谱波段，430 nm 和 405 nm 属于蓝绿光区域，与 GSL 侧链结构的特征吸收相关，且与叶绿素含量高度相关（GSL 生物合成与光合作用关联密切）；LBP56、LBP58、LBP59是关键纹理特征，证明图像纹理特征能补充光谱数据的不足，其贡献与 GSL 的化学结构、生物合成机制密切相关。
3.该方法无需化学试剂、快速无损、高通量，解决了传统 HPLC 检测的弊端，可广泛应用于西兰花高 GSL 品种筛选、粉末品质实时质控及功能性食品加工过程监测，具有重要的理论与实际应用价值。
北京博普特科技有限公司是丹麦Videometer多光谱成像系统的中国区总代理，全面负责其系列产品在中国市场的推广、销售和售后服务。