利用电化学阻抗谱和机器学习技术预测松茸（Tricholoma matsutake）的新鲜度及其产地可追溯性

《Microchemical Journal》：Prediction of Tricholoma matsutake freshness and origin traceability using electrochemical impedance spectroscopy and machine learning

基于电化学阻抗谱与机器学习的松茸新鲜度及地理溯源研究，建立了非破坏性快速检测框架，通过对比2℃和20℃储存条件下的阻抗谱演变与感官品质、水分流失相关性，发现KNN模型对新鲜度分类准确率达97.5%，RF模型在地理溯源中准确度达88.9%，且独立样本验证显示系统稳定性高。

　　

李云|朱雅辉|王翔|杨琳

中国农业大学工程学院，北京100083，中华人民共和国

摘要

松茸的商业价值经常因采后快速变质和普遍存在的地理来源欺诈而受损。然而，现有的检测方法通常具有破坏性或需要大量人力。为了解决这些问题，本研究开发了一种基于电化学阻抗谱（EIS）与机器学习的快速、无损的新鲜度和地理来源预测框架。从储存在两种温度（2°C和20°C）下的样品中获取了阻抗数据，这些样品来自中国的三个地区（云南、四川和福建）。实验分析表明，阻抗谱与感官退化和水分损失同步变化，有效表征了与老化相关的细胞膜破坏。此外，多变量分析确定了特定特征——包括平均阻抗和平均相位角——作为区分新鲜度等级和地理特征的主要指标。比较建模结果显示，K最近邻（KNN）模型在新鲜度监测方面表现最佳，分类准确率为97.5%，定量储存时间预测的$R^2$为0.982。在地理可追溯性方面，随机森林（RF）模型达到了最高的准确率（88.9%），特别是对优质云南样品的识别准确率为96.9%。这种明显的区分性归因于不同地区土壤钾含量的差异，这影响了细胞内导电性。重要的是，该模型的稳健性通过独立批次得到了验证，尽管存在季节性变化，但在新鲜度（95.6%）和来源（89.4%）方面仍保持了高准确率。本研究证明了基于EIS的框架在数字化供应链质量控制方面的可行性，并进一步讨论了该技术的局限性、挑战和未来发展方向。

引言

松茸是一种高品质的可食用真菌，具有显著的功能价值，富含松茸醇、多糖、肽和异松茸醇等生物活性化合物，以其抗肿瘤、抗氧化和免疫调节作用而闻名[1]。其独特的风味、细腻的质地和高营养价值使其在亚洲国家非常受欢迎，并成为全球市场上的宝贵商品[2]。然而，松茸对特定生态条件依赖性强，对气候变化敏感，且采收窗口非常短（通常为2-3个月）[3]。近年来，高品质蘑菇的产量持续下降[4]，[5]，导致其价格比普通蘑菇高出3-10倍[6]。

因此，一些不道德的供应商利用不同地区（例如福建）的蘑菇在形态上的相似性，将质量较低或形态相似的品种错误地标为来自云南或四川的高价品种[7]。由于难以通过视觉区分这些品种，来源可追溯性成为一个主要挑战。这种错误标注损害了品牌价值，扰乱了定价系统，并威胁到松茸产业的可持续发展[8]。此外，蘑菇的高水分含量、柔软的组织结构以及缺乏保护性外层结构导致了采后强烈的呼吸作用和蒸腾作用[9]。因此，松茸在储存和运输过程中对温度和湿度等环境条件极为敏感，常常导致快速的质量下降，包括脱水、风味丧失和组织分解，从而显著缩短了其保质期[10]。

鉴于这些挑战，建立快速、准确且无损的新鲜度评估和地理来源认证方法至关重要。尽管传统的识别方法被广泛使用，但它们往往受到固有局限性的限制，影响了其在实时监测中的实际应用。感官评估[11]虽然直观，但容易受到主观性影响且缺乏重复性。相反，尽管精确的分析技术（如色谱法[12]和基于DNA的分析[13]）具有高准确性，但通常具有破坏性、需要大量人力，并依赖于复杂的仪器，不适合快速、现场筛查。同样，虽然光谱技术提供了无损能力，但通常涉及高昂的设备成本和复杂的操作要求[14]。

电化学阻抗谱（EIS）作为一种有前景的替代方法最近受到了关注，因为它能够通过电测量无损地监测组织完整性[15]。它已有效应用于水果、蔬菜、肉类和水产品的新鲜度评估[16]，以及农产品的地理来源分类[17]。然而，关于EIS在松茸中的应用研究仍然有限，现有研究主要集中在特征提取或挥发性化合物分析上，而不是预测建模。

本研究提出了一个集成的EIS-机器学习框架，用于预测松茸的新鲜度并分类其地理来源。选择了三种机器学习算法（包括支持向量机（SVM）、随机森林（RF）和K最近邻（KNN）进行比较建模，因为它们在食品质量评估方面表现良好[18]、[19]、[20]、[21]。分别构建了用于新鲜度评估和来源分类的特定机器学习模型，并通过性能比较选择了最佳算法。此外，研究还探讨了阻抗谱与感官退化和水分损失之间的同步变化，以阐明潜在的生理变化。通过多变量分析，确定了有效区分新鲜度等级和地理特征的关键特征指标。最后，使用独立样本批次验证了系统的稳健性和可靠性。这些发现旨在提供一种快速、无损且生物学上可解释的系统，用于高价值可食用真菌的质量监测和可追溯性。

部分片段

样品制备和实验设计

新鲜松茸子实体从中国的三个主要生产地区收集，分别是云南、四川和福建。为了确保实验一致性，只选择了完整且坚实的样本。样品用装有冰袋的保温容器运输到实验室。到达后，样品被随机分为两组，并储存在恒温箱中，以模拟不同的供应链情景，包括冷链储存

生理和质量退化分析

在本研究中，系统评估了松茸在2°C和20°C储存条件下的质量变化，基于外观、水分损失和感官评分（图1）。如图1a所示，随着储存时间的延长，观察到了典型的退化特征，如脱水收缩、体积减小、组织软化和颜色变暗。在20°C下，第6天出现明显的收缩和褐变，第9天组织开始软化，完全

结论

本研究通过将EIS与机器学习相结合，成功开发了一种快速、无损的松茸新鲜度和地理来源预测框架。实验分析表明，阻抗谱与感官退化和水分损失同步变化，有效表征了与采后老化相关的细胞膜破坏。多变量分析进一步确定了特定特征——包括平均阻抗和平均相位角

CRediT作者贡献声明

李云：撰写——初稿，调查。朱雅辉：数据整理，概念构思。王翔：撰写——审阅与编辑，概念构思。杨琳：项目管理，正式分析。

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文所述的工作。

致谢

本工作得到了西藏自治区科学技术计划（授权号：XZ202301YD0020C的支持。