1 、研究背景
中国是枇杷主产区，在亚热带东南部广泛分布，种植面积达 17 万公顷，品种丰富。枇杷采后易腐，其非浓缩果汁生产和调味剂应用具经济价值，而果汁分类对品质控制至关重要。当前风味分析依赖 HS-GC-IMS 等质谱技术，但存在人工筛选特征化合物耗时、数据可视化不足等瓶颈，制约自动化分类。
机器学习为解决该问题提供新思路：将 GC-MS 数据转化为图形特征，可提升数据处理效率并适配神经网络训练。
本研究提出整合 HS-GC-IMS 与分子特征描述符（MFD），通过加权神经网络（w-ANNs）构建特征图谱，再利用卷积神经网络（CNN）分类的框架。研究还将通过 SHAP 分析评估 MFD 重要性，并从 PubChem 扩展数据集。该方法首次融合分析化学与 AI 降维技术，为枇杷汁分类提供创新解决方案。
核心痛点：
①挥发性有机物（VOCs）检测数据维度高（如 HS-GC-IMS 一次产生超 10 万个数据点），人工难以挖掘隐藏规律；
②不同品种枇杷汁的 VOCs 差异细微（如红沙枇杷的庚醛浓度仅比白沙高 15-20%），传统算法分类准确率不足 80%。
2 、实验方法
2.1 样本
采集浙江宁海白沙 / 红沙枇杷、慈溪杨梅、奉化桃子共 4 类果汁，每类 3 批次，每批次 3 重复（总计 108 份样本）；
2.2 HS-GC-IMS 分析
使用气相色谱 - 离子迁移谱仪检测挥发性有机物，通过保留指数（RI）和漂移时间定性鉴定化合物，筛选出白沙（7 种醛类）和红沙（7 种醛类 + 苯甲醛）的特征化合物。分子描述符（MFDs）：通过 RDKit 计算 109 个化学特征（如 LogP 脂溶性、Gasteiger 电荷等），但数据冗余导致模型过拟合；
优化：用 MDC 包剔除 80% 以上共线性特征，保留 16 个关键描述符，如Kappa2（分子支链度）：数值越高，分子结构越复杂（白沙 Kappa2 均值 0.68 vs 红沙 0.75）；LogP（脂水分配系数）：反映分子亲脂性（白沙 LogP 均值 2.1 vs 红沙 2.5）。
2.4 特征图谱生成与 CNN 分类
加权神经网络（w-ANNs）：
输入：16 个 MFDs + 特征化合物浓度（如己醛、庚醛）；
输出：18×24 像素的特征图谱（白沙 22 张、红沙 24 张、对照 12 张），像素亮度对应化合物响应强度。
卷积神经网络（CNN）：
架构：7 层卷积层（4-256 神经元）+ 最大池化层，自动提取图谱中的纹理特征；
训练：用 100 张图谱（白沙 22 张、红沙 24 张、杨梅 / 桃子各 6 张）训练，5 折交叉验证优化模型，分类指标包括精度、召回率、F1 分数。
2.5 数据扩展与工具
从 PubChem 检索 1257（白沙）和 1133（红沙）个结构相似化合物，构建化学库；使用 SHAP 分析评估 MFDs 重要性。
3、实验结果
3.1 HS-GC-IMS 表征枇杷汁--挥发性化合物鉴定
共检测 36 种 VOCs（19 种醛类、11 种酯类、4 种酮类和 2 种醇类）。白沙特征化合物为 (E)-2 - 己烯醛等 7 种，红沙为庚醛等 7 种，两者浓度差异显著（如白沙 (E)-2 - 己烯醛浓度是红沙 2.3 倍，而红沙的苯甲醛浓度是白沙的 1.8 倍）。白沙和 红沙之间的这些不同的化合物谱是区分枇杷汁类型的可靠指标。
不同种类枇杷汁中的挥发性香气化合物图。A） 枇杷汁的三维 地形图。B_1） loquat_baisha的二维 地形图，B_2） loquat_hongsha 的地形图，C_1） loquat_baisha 的地形图，C_2） loquat_hongsha 的地形减法图，D） 从两种枇杷汁中获得的选定信号峰面积的画廊图「D 是指二聚体，M 是指单体」。
3.2 模型性能
TF 模型表现：白沙训练 R²=0.923，测试 R²=0.568；红沙分类精度 100%，非枇杷汁识别率 98%。
不同模型 （A） Tensorflow，（B） Random forest 对 loquat_baisha 和 loquat_hongsha 进行模型预测。SHAP 分析：白沙关键 MFDs 为 Kappa2、Gasteiger 电荷、LogP；红沙为 Kappa2、Kappa3、Fraction_SP3，反映分子结构差异。两种枇杷汁的 SHAP 分析 （A） loquat_baisha 分子特征描述符的 SHAP 值，（B） loquat_baisha 的前 10 个 SHAP 值，（C） loquat_hongsha 分子特征描述符的 SHAP 值，（D） loquat_hongsha 的前 10 个 SHAP 值。对比传统方法：人工嗅闻准确率 75-85%，且无法区分深加工果汁；单一 GC-MS 分类准确率 82-88%，无法处理复杂基质干扰。
3.3 特征图谱与分类效果
图谱可视化显示白沙 / 红沙特征分布差异，CNN 对 100 张图谱分类，平均 F1 分数 96% 以上，混淆矩阵显示低误判率。分类结果 。A） 区分枇杷果汁与其他类型的果汁（杨梅和桃子）的混淆矩阵，其中 NA 是指枇杷以外的果汁样品，例如 bayberry_biji 和 peach_chiyue，B） 损失与纪元，C） 准确性与纪元。3.4 化学库与性能评估
从 PubChem 数据库检索到 1257 种白沙相关化合物、1133 种红沙相关化合物；PCA 分析显示：两类化合物集群重叠率仅 20-21%，印证品种间化学组成差异显著。
提取化合物的 PCA 分析，A） LOQUAT_baisha 库，B） LOQUAT_hongsha 库，C） loquat_flavordb 库
五维评估框架：SC_01（手动作）、SC_02（混合或半自动作）和 SC_03（全自动作）。评估标准包括执行时间和效率 （EE）、准确性和一致性 （AC）、持续集成和交付 （CI/CD）、测试覆盖率 （TC） 和成本。自动化方案（SC_3）较人工操作效率提升，但需更高硬件成本。
4、结论与未来展望
- 方法有效性结合 HS-GC-IMS 与深度学习，实现枇杷汁高精度分类（白沙 / 红沙 / 非枇杷汁 F1 分数分别为 0.96、0.96、0.99）。
- 创新性首次构建 “化学分析 + AI 降维” 全流程，为水果汁自动化分类提供通用框架。
- 应用前景
生产线质控：在果汁灌装机旁部署微型 HS-GC-IMS+CNN 设备，实时拦截风味异常批次；
消费端创新：开发手机 APP，用户拍摄果汁瓶身即可调用云端图谱数据库，显示「品种匹配度」；
跨领域延伸：该方法可复制到茶叶（如龙井 / 碧螺春）、中药材（如野生 / 栽培人参）的快速鉴别。
原文链接： https://www.sciencedirect.com/science/article/pii/S0308814625023325
