高光谱成像+AI，羊肉致病菌检测准确率超96%

研究背景：食源性致病菌是食品安全主要威胁，羊肉因营养丰富易滋生致病菌。传统检测方法（培养法需5-7天、PCR需数小时）存在样本前处理复杂、试剂依赖度高的问题。高光谱成像（HSI）技术凭借“光谱+图像”优势方法用于羊肉源混合菌体系中致病菌定性检测。先通过解析常见市售场景下羊肉中共生菌群组成结构，构建与真实样本菌群生物特征一致的多菌混合体系，探讨基于 HSI 检测羊肉源混合菌群中目标致病菌的可行性。并尝试提出融合 mRMR 与 GBDT 用于羊肉源混合菌群中致病菌分类的特征选择，旨在高效提取兼具低冗余性、高鉴别能力及全局代表性的光谱特征，为真实来源的羊肉混合菌体系中致病菌检测提供依据和方法，同时为保障食品安全和消费者健康提供有效支持。但此前研究未考虑食品基质中共生菌群干扰。

如图1所示，研究采用短波-近红外高光谱成像系统（覆盖907.92-2711.59nm波段），通过生成掩膜、形态学方法提取光谱，为后续分析奠定基础。

图1 高光谱信息采集与光谱数据提取示意图^[1]

主要发现：

1.明确羊肉共生菌群结构：90.5%的羊肉样本菌落总数集中在10²-10⁴ CFU/g，假单胞菌属（35.67%）和不动杆菌属（35.56%）为核心优势菌群（图2），据此构建贴近真实场景的混合菌体系。

图2 羊肉共生菌群落结构^[1]

2. 筛选最优特征波长：通过mRMR-GBDT系列方法筛选特征，其中mRMR-CatBoost仅需12个特征波长（占总波段5.36%），且7个与C-H、O-H等官能团振动相关，兼具低冗余性与高关联性（图3）。

图3 特征波长筛选结果^[1]

3. 构建高效检测模型：基于12个特征波长构建SVM、LightGBM、BPNN模型，BPNN表现最优，验证集、测试集准确率分别达97.63%、96.49%，较其他模型提升1.64-9.17个百分点。

结论：

该研究证实，高光谱成像结合mRMR-CatBoost-BPNN技术，能高效精准检测羊肉混合菌体系中的食源性致病菌，且检测速度快、试剂依赖度低。未来可拓展至牛肉、鸡肉等其他动物源食品检测，为食品安全监管提供关键技术支撑。

参考文献：

[1]胡玉霞, 朱荣光, 姚雪东, 等. mRMR-GBDT 结合高光谱成像检测动物源混合菌体系中食源性致病菌[J]. 农业工程学报, 2025, 41(20): 323-332.