可解释机器学习 + GAN 数据增强 精准预测香肠腐败 助力食品安全智能监测

研究背景

食品腐败是全球食品安全与粮食浪费的核心难题，据世界卫生组织数据，每年约 6 亿人因食用污染食品患病，近 42 万人死亡，全球近 1/3 食物在生产、流通环节损耗变质。香肠等高水分肉制品营养丰富，易滋生微生物引发生化劣变，传统感官、微生物检测耗时耗力且具破坏性，难以满足工业实时质控需求。

近年来，VOC 检测结合机器学习成为肉类新鲜度评估热点，但现有研究普遍受限于小样本、类别失衡，且多数模型为 “黑箱”，无法明确关键致腐标志物与决策逻辑，制约技术落地。在此背景下，研究团队提出融合 GAN 数据增强与可解释 AI 的香肠腐败预测框架，破解数据与可解释性双重瓶颈。

研究内容

本研究以工业生产的生鲜禽肉、猪肉香肠为对象，数据集包含微生物、VOC 指纹、pH、储存时间、包装气氛等多维度信息，样本经预处理后剔除零值占比超 90% 的特征，对 VOC 执行 log₂转换，分类变量采用独热编码，将腐败等级按感官评分二分类为低风险、高风险。

研究设计两组对照方案：

1.基于原始数据训练随机森林、梯度提升、逻辑回归、多层感知机（MLP）及投票分类器，通过 5 折交叉验证评估性能；

2.采用 TVAESynthesizer 生成 4000 条合成样本，保持原始数据统计特征与变量依赖关系，在合成数据上训练相同模型，以独立真实测试集验证泛化能力。

同时引入 SHAP 可解释性分析，量化各 VOC、理化参数对腐败预测的贡献度，并用 DCR 指标评估合成数据隐私性与过拟合风险。

图1 流程图说明了本研究中所采取的步骤

图2 不同采样时间下前十种挥发性有机化合物的平均log2转化水平。a 禽类数据集中在采样日中平均丰度最高的十种VOC化合物。b 猪肉数据集中在采样日中平均丰度最高的十种VOC化合物

图3 使用家禽数据集训练的分类模型评估指标的比较分析。柱状图展示了不同算法（RF、LR、GB、MLP、Voting）在原始数据集和TVAE生成的合成数据集上的表现。指标包括准确率、精确率、召回率和F1分数

图4 使用猪肉数据集训练的分类模型评估指标的比较分析。柱状图展示了不同算法（RF、LR、GB、MLP、Voting）在原始数据集和TVAE生成的合成数据集上的表现。指标包括准确率、精确率、召回率和F1分数。

研究结果

1.模型性能显著提升

原始数据中，禽肉香肠梯度提升模型准确率 0.88、F1 值 0.85；猪肉香肠随机森林准确率 0.83、F1 值 0.81。经 GAN 增强后，禽肉香肠随机森林、梯度提升准确率均达0.92，F1 值 0.90；猪肉香肠两类模型准确率均达0.89，F1 值 0.88，MLP 等数据敏感型模型性能提升尤为显著。

2.交叉验证稳定性优异

5 折交叉验证中，GAN 增强模型各指标波动极小，禽肉香肠随机森林准确率稳定 0.92，猪肉香肠模型精度稳定 0.89，证明合成数据可有效提升模型鲁棒性与可复现性。

3.传统过采样对比劣势明显

SMOTE、ADASYN 仅对部分模型小幅优化，部分场景下导致逻辑回归性能下降；GAN 增强在精度、F1 值、稳定性上全面优于传统方法，更适配 VOC 数据的非线性复杂特征。

4.关键致腐因子清晰可辨

SHAP 分析显示，储存时间、pH 是两类香肠腐败核心预测因子；禽肉香肠中 1 - 丙醇、2 - 丁酮、2 - 丁醇等醇类贡献突出；猪肉香肠则以乙酸乙酯、甲硫醇、二甲基硫醚、己醛为关键标志物。

5.合成数据安全无过拟合

DCR 过拟合保护指标显示，猪肉香肠数据得分 0.90–0.92，禽肉香肠 0.87–0.88，合成样本无记忆原数据，隐私保护与数据真实性平衡良好。

图 5 随机森林分类器在家禽数据集上的 SHAP 汇总图。a 原始数据集上训练的模型的 SHAP 解释。b 在折叠 1 上使用 TVAE 生成的合成数据训练的模型的 SHAP 结果。c 在折叠 2 上使用合成数据训练的模型的 SHAP 结果。d 在折叠 3 上使用合成数据训练的模型的 SHAP 结果。e 在折叠 4 上使用合成数据训练的模型的 SHAP 结果。f 在折叠 5 上使用合成数据训练的模型的 SHAP 结果。在所有图中，每个点表示单个样本中某个特征的 SHAP 值，颜色表示特征大小（红色 = 高，蓝色 = 低），x 轴表示每个特征对模型输出贡献的方向和强度

图 6 应用于猪肉数据集的随机森林分类器的SHAP总结图。a 使用原始数据集训练的模型的SHAP解释。b 在Fold1中使用TVAE生成的合成数据训练的模型的SHAP结果。c 在Fold2中使用合成数据训练的模型的SHAP结果。d 在Fold3中使用合成数据训练的模型的SHAP结果。e 在Fold4中使用合成数据训练的模型的SHAP结果。f 在Fold5中使用合成数据训练的模型的SHAP结果。在所有图中，每个点表示单个样本某个特征的SHAP值，其中颜色表示特征大小（红色=高，蓝色=低），x轴表示每个特征对模型输出的贡献方向和强度。

技术优势

1.破解数据瓶颈

GAN 生成的合成数据完整保留原始统计规律与生化关联，无需大量破坏性实验，大幅降低检测成本与周期，适配小样本食品研究场景。

2.模型决策透明化

基于 SHAP 实现全局 + 样本级特征归因，明确致腐 VOC 与理化参数作用机制，连接计算预测与微生物代谢原理，提升工业与监管接受度。

3.无损实时监测

以 VOC 指纹替代传统检测，实现非破坏性、快速评估，适配冷链流通全链条的在线质控需求。

4.泛化与隐私兼顾

模型在独立测试集上稳定高效，合成数据无隐私泄露风险，可安全应用于企业核心数据场景。

结论与展望

研究首次将GAN 数据增强与SHAP 可解释 AI融合应用于香肠腐败预测，证实该方案可同时提升模型精度、稳定性与透明度，禽肉香肠预测准确率达 0.92、猪肉香肠达 0.89，明确储存时间、pH 及特征 VOC 为核心致腐指标，为肉制品新鲜度智能监测提供可落地的技术路径。

研究存在一定局限：GAN 可能放大原始小样本偏差，模型未跨厂家、配方验证，工业场景 VOC 实时采集仍存挑战，SHAP 特征重要性需微生物实验进一步验证因果关系。

未来可拓展方向：融合光谱成像、宏基因组、传感器阵列等多模态数据，构建更全面的腐败预测体系；研发食品领域专用合成数据验证协议，提升模型跨场景泛化能力；开发轻量化可解释模型，适配工业端侧实时部署，最终构建覆盖生产、仓储、流通全链条的可持续、透明化 AI 食品安全质控系统，助力减少食品浪费、保障消费安全。

原文链接：https://doi.org/10.1007/s11947-026-04222-3