《Agriculture》：Flexible Vis/NIR Wireless Sensing and Estimation with DeepEnsemble Learning for Pork
Maoyuan Yin,
Daixin Liu,
Hongyan Yang,
Xiaoshuang Shi,
Guan Xiong,
Min Zhang,
Tianyu Zhu,
Lingling Chen,
Ruihua Zhang and
Xinqing Xiao
编辑推荐：
本文聚焦猪肉屠宰后快速冷却与成熟（Aging）阶段的关键质量窗口，开发并验证了一种集成柔性可见光/近红外（VIS/NIR）传感阵列与深度集成学习（DeepEnsemble）算法的无线监测系统，成功实现了对冷链贮藏过程中猪肉pH值、水分含量及总氨基酸浓度的非破坏性、连续性高精度预测（R2高达0.9687），为肉品加工与供应链数字化管理提供了创新性技术方案。
引言：猪肉品质监测的挑战与新方案
在肉品加工与供应链中，屠宰后的快速冷却与成熟阶段是决定猪肉最终物理化学品质和风味形成的关键时期。传统的肉品质评估方法，如pH计穿刺测量、高温干燥法测水分、色谱法分析氨基酸等，虽然基准精度高，但具有破坏性、效率低且无法连续监控的缺点。同时，尽管可见光/近红外（VIS/NIR）光谱技术凭借其非破坏、快速的优势在农产品检测中取得了长足进展，但传统的刚性光谱探头在应用于猪肉这种几何形状复杂、具有弹性的生物表面时，面临着光路耦合不稳定、界面散射干扰严重以及在低温高湿环境下信号衰减等技术瓶颈。
柔性无线光谱传感系统的整体架构
为应对上述挑战，本研究开发了一套集成“感知-传输-计算”的柔性无线光谱传感系统。该系统的感知终端核心是基于AS726X多光谱传感模块的集成光谱传感器阵列，可同时采集覆盖450 nm至860 nm范围的12个离散光谱通道信号。通过采用聚酰亚胺（PI）和聚对苯二甲酸乙二醇酯（PET）等柔性基板，并结合紫外纳米激光蚀刻技术，制造出线宽约120微米的高密度导电网络。传感器采用反射式配置，并采用具有高透光率和生物相容性的聚二甲基硅氧烷（PDMS）薄膜进行封装，使其能像“电子皮肤”一样紧密贴合猪肉肌肉纤维甚至切入切口内部，显著减少了因空气间隙导致的漫反射损失，增强了关键波段信号的捕获效率。数据通过集成无线模块使用MQTT协议远程传输至云端平台，实现了从生物组织界面到数字决策端的无缝数据流。
深度集成（DeepEnsemble）预测模型的构建
针对猪肉在成熟过程中理化指标表现出的高度非线性和样本间异质性，本研究构建了一种基于堆叠（Stacking）架构的深度集成（DeepEnsemble）回归模型。模型算法首先对原始光谱特征进行SNV变换以降低散射效应，并计算光谱的一阶和二阶导数以增强特征变化。随后，模型架构包含两层：第0层部署了互补的基学习器，包括用于捕捉线性光谱协方差的偏最小二乘回归（PLSR）、使用径向基函数核处理高维非线性特征的支持向量回归（SVR），以及通过迭代决策树优化来增强对pH和水分敏感光谱带提取的极限梯度提升（XGBoost）。第1层的元学习器采用带有正则化惩罚的线性回归器，其核心任务是学习每个基学习器在交叉验证集上的误差分布，并动态分配最优权重系数。通过这种异构集成，模型能够同时利用线性和非线性算法的优势，在复杂的生物基质中构建一个具有高容错性和高精度的决策系统。
实验设计与理化监测标准
实验严格遵循肉品科学中屠宰后生物组织演化的逻辑框架，旨在通过高频动态监测捕获猪肉从僵直期、恢复期到成熟期（Aging）全过程的生化信息流。研究选取了标准化屠宰场来源的健康后腿最长肌样本。如图3所示，研究人员在样品上沿肌纤维纵向制备切口，并将封装在PDMS中的柔性光谱传感器植入切口内，确保传感面与内部组织界面紧密共形耦合。光谱数据采集协议设定为每两小时进行一次全波段扫描，采样周期覆盖快速冷却和成熟全过程26小时。同时，按照预设时间序列同步进行破坏性采样，以测定实验室基准指标。所有采集的光谱反射率数据通过无线链路实时传输至云平台，并与后续的理化测量值相关联，形成DeepEnsemble模型训练的基础模态数据。理化参数测定遵循现行国家标准，pH值监测采用电位法玻璃电极pH计，水分测定严格遵循直接干燥法，总氨基酸含量则采用高效液相色谱法（HPLC）进行更精确的评估。
光谱特征与理化指标分析结果
通过对六个体重梯度（低于60公斤、60-70公斤、70-80公斤、80-90公斤、90-100公斤、超过100公斤）样本进行26小时动态监测，系统阐明了品质指标的演变规律。实验监测数据清晰显示，所有体重区段的pH值均呈现特征性下降轨迹，这源于屠宰后肌肉组织供氧停止，触发糖酵解导致乳酸大量积累。深入比较分析发现，体重超过90公斤的大型猪样本，其pH下降梯度明显比轻体重区段更陡峭，且在屠宰后12小时内迅速接近极限pH值。相应地，水分含量随时间呈阶梯式下降。在氨基酸代谢方面，尽管总氨基酸含量在宏观层面受组织间液流失和蛋白质降解产物迁移影响，呈现小幅波动性下降，但作为核心风味前体的五种关键游离氨基酸在微观层面均表现出显著的线性增长趋势。统计表明，70-80公斤体重区间的猪样本表现出最稳定的游离氨基酸转化效率，展现出最佳的风味演化协调性。
12个离散光谱波段随时间演变与上述理化指标波动具有高度的逻辑一致性。在可见光区域（450-650 nm），光谱反射率对pH变化高度敏感，其中550 nm附近的波段与肌红蛋白从氧合肌红蛋白向高铁肌红蛋白的化学状态转变密切相关。在近红外区域（730-860 nm），反射率变化主要受组织水分分布调控，约760 nm和860 nm的波段捕获了水分子中O-H伸缩的三级倍频振动。比较六个体重类别的光谱指纹图发现，由于脂肪浸润程度更高，较重的猪肉样本表现出显著增强的近红外背景散射强度。
模型评估与预测精度分析
本研究系统比较了偏最小二乘回归（PLSR）、支持向量回归（SVR）、极限梯度提升树（XGBoost）以及提出的DeepEnsemble集成模型的预测效能。实验数据表明，DeepEnsemble在pH预测中取得了0.9019的确定系数（R2），均方根误差（RMSE）降低至0.074，相应的相对预测偏差（RPD）值达到3.19。该模型在预测水分含量和总氨基酸含量方面表现更为突出，R2值分别攀升至0.9687和0.9600。值得注意的是，对于极具挑战性的总氨基酸含量指标，DeepEnsemble直接将单一模型低于2.5的RPD值提升至约5.0。2 heatmap."> 这一性能飞跃源于模型内部的元学习器机制，通过学习不同体重区段样本在基学习器上的误差分布，动态优化权重系数，从而在整个成熟周期的非线性波动中精准锚定关键特征信号。
柔性可见光-近红外无线传感系统的性能评估
在成熟的动态环境中，硬件系统的性能是衡量本研究实用价值的另一个核心维度。实验验证表明，采用柔性印刷电路（FPC）技术的传感器贴片展现出良好的生物界面兼容性。在26小时连续监测周期内，12个波段的光谱信号轨迹显示出平滑的反射率曲线和高信噪比。这种接触式测量有效最小化了空气间隙导致的漫反射噪声，使系统能够在猪肉肌纤维物理收缩过程中保持恒定的光耦合效率。同时，集成的无线通信链路和电源管理系统在-20 °C至0-4 °C的低温高湿环境下表现出可靠的性能。系统采用MQTT异步通信协议，确保在成熟室复杂的金属屏蔽环境中，数据传输丢包率持续低于0.1%。采用低功耗设计策略使系统能够支持至少26小时的全周期监测。实验后对PDMS封装层的完整性检查显示，未发生物理降解或生化侵蚀，证明了其出色的生物相容性和工业鲁棒性。
结论
本研究开发并验证了一种集成柔性可见光-近红外（VIS/NIR）光谱传感与DeepEnsemble深度学习模型的猪肉品质动态监测系统。所提出的采用FPC和PDMS封装构建的柔性传感界面，在冷链条件下表现出良好的贴合性和电稳定性，能够在不规则猪肉表面实现可靠的光谱采集，并确保连续监测期间的高信号质量。实验结果表明，该系统能有效捕捉屠宰后26小时内12个特征波段的光谱变化，实现对猪肉关键品质指标的准确预测。DeepEnsemble模型展现出稳健的多参数预测性能，对pH值、水分含量和总氨基酸的预测均达到高精度，且优于PLSR、SVR和XGBoost等传统回归模型。这些结果表明，柔性传感技术与集成深度学习的结合，为猪肉品质的无损实时监测提供了有效的解决方案。该方法通过提高质量控制效率、支持食品安全管理以及增强肉类供应链的透明度，显示出强大的工业应用潜力。
