近日，內(nèi)蒙古農(nóng)業(yè)大學(xué)劉江平教授團(tuán)隊(duì)在駱駝奶摻假檢測(cè)方面取得重要成果，相關(guān)論文發(fā)表于國(guó)際食品科學(xué)領(lǐng)域頂級(jí)權(quán)威期刊《食品化學(xué)》。該研究首次將新型人工智能模型與近紅外光譜技術(shù)相結(jié)合，成功破解了傳統(tǒng)檢測(cè)方法操作繁瑣、耗時(shí)長(zhǎng)、易破壞樣品、低比例摻假難以識(shí)別等難題，為乳制品質(zhì)量安全監(jiān)管提供了高效、精準(zhǔn)的標(biāo)準(zhǔn)化方案，讓前沿科技精準(zhǔn)守護(hù)群眾舌尖上的安全。

　　據(jù)團(tuán)隊(duì)介紹，目前常用的駱駝奶摻假檢測(cè)方法雖然精度較高，但往往需要復(fù)雜的前處理和較長(zhǎng)的檢測(cè)周期，且會(huì)破壞樣品；而近紅外光譜技術(shù)則面臨小樣本數(shù)據(jù)不足、摻假比例低時(shí)難以捕捉、模型“黑箱”導(dǎo)致結(jié)果不可靠等瓶頸。

　　針對(duì)上述問(wèn)題，團(tuán)隊(duì)立足計(jì)算機(jī)視覺(jué)與光譜分析的交叉領(lǐng)域，創(chuàng)新構(gòu)建了一套“數(shù)據(jù)增強(qiáng)—定性檢測(cè)—定量預(yù)測(cè)—模型解釋”全鏈條技術(shù)體系。其中，團(tuán)隊(duì)提出的混合生成模型（CCGS）可將分類準(zhǔn)確率從95.21%提升至98.60%，生成的光譜數(shù)據(jù)在真實(shí)性和多樣性上顯著優(yōu)于傳統(tǒng)模型，尤其能精準(zhǔn)識(shí)別低比例摻假成分。同時(shí)，通過(guò)引入可解釋性分析（SHAP），研究人員成功定位了與水、蛋白質(zhì)、脂肪相關(guān)的特征光譜波段，使智能檢測(cè)不再是一個(gè)“黑箱”，大大提升了檢測(cè)結(jié)果的信任度。

　　在定量檢測(cè)方面，團(tuán)隊(duì)設(shè)計(jì)的兩階段定量模型（MCR-ALS-RF）經(jīng)國(guó)際標(biāo)準(zhǔn)驗(yàn)證，摻假成分回收率高達(dá)96.8%至99.5%，相對(duì)標(biāo)準(zhǔn)偏差小于5%，最低檢出限達(dá)到0.025至0.060克/100克，完全滿足食品摻假檢測(cè)的監(jiān)管要求。

　　該成果不僅為駱駝奶產(chǎn)業(yè)的質(zhì)量監(jiān)控提供了有力工具，也為近紅外光譜技術(shù)與人工智能、化學(xué)計(jì)量學(xué)的交叉應(yīng)用開(kāi)拓了新的思路。（記者 白蓮）