近日，机械与电子工程学院闫银发教授团队在《Food Control》发表了题为“Deep derivative-enhanced spectral attention network for fruit-level hyperspectral discrimination of Illicium verumfrom toxic Illicium adulterants”的最新研究成果。博士后Eunice Oluwabunmi Owoola、硕士生鹿英哲为论文共同第一作者，闫银发教授、鹿瑶副教授为共同通讯作者，开云·体育（Kaiyun Sports）官方网站为唯一通讯单位。
八角是常用的烹饪香辛料和传统药材，但其外观与莽草、红茴香等有毒同属植物高度相似，干燥后更难通过肉眼快速辨识，误食可能引发呕吐、运动异常甚至癫痫发作。因此，如何实现有毒掺假八角的快速、无损、准确鉴别，是保障香辛料质量与食用安全的重要问题。
针对这一问题，研究团队提出了一种基于深度导数增强光谱注意力网络（DSAN）的面向单粒果实的高光谱无损鉴别新方法。研究利用可见/近红外（Vis/NIR）高光谱成像获取干燥八角样品光谱信息，将原始光谱与一阶、二阶导数光谱融合，有效削弱基线漂移等干扰并增强细微光谱差异；同时引入轻量级波长光谱注意力机制，实现关键波长特征的自适应加权，从而提升八角与有毒掺假品种的判别能力。
图1. 深度导数增强光谱注意力网络（DSAN）架构及果实级数据处理流程。
为避免数据泄露并客观评价模型的实际泛化性能，研究采用严格的留一组交叉验证策略进行模型验证。结果表明，DSAN模型整体分类准确率达到99.13 ± 0.41%，平衡准确率达到99.03 ± 0.43%；对有毒掺假样本的召回率达到98.54 ± 0.73%，F1分数达到98.90 ± 0.52%。与经典化学计量学方法及多种深度学习模型相比，DSAN表现出更优的综合鉴别性能，并将有毒八角被误判为真八角的假阴性率降低至1.46 ± 0.73%。
图2. DSAN分支-波长门控图。(a) 原始、一阶导数和二阶导数光谱分支的归一化门控值。(b) 毒性类与真品类的门控值差异图。
图3. 分类模型的诊断比较结果。(a) 假阴性（FN）和假阳性（FP）分布图，(b) FN-FP权衡图，以及(c) 基于重复留一法（LOPO）运行中板块层面多数投票预测结果的模型间一致性矩阵。
该项研究获得了中国博士后科学基金及山东省自然科学基金的资助。
论文链接：https://doi.org/10.1016/j.foodcont.2026.112560
编 辑：万 千
审 核：贾 波
