通过结合两条痕迹二维 (2T2D) 相对应光谱和改进的DeiT模型来研究Salvia miltiorrhiza的地理起源可追溯性
Jinpo Yang1, Kai Chen1, Yimin Zhou1
1College of Optical, Mechanical and Electrical Engineering, Zhejiang A&F University, Hangzhou 311300, China.
Plants (Basel, Switzerland)
|November 13, 2025
概括
这项研究引入了一种使用先进光谱和人工智能的新方法,以准确识别像Danshen这样的药草的真实性和来源. 这项技术可以打击假冒产品,并确保草药市场的质量.
科学领域:
- 化学测量 化学测量 化学测量
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 假冒和错误标记的地理标志产品在药草市场上带来了重大挑战,特别是对于广泛使用的物种,如Salvia miltiorrhiza Bunge (Danshen).
- 确保药草的真实性和精确的地理来源对于消费者安全和市场完整至关重要.
研究的目的:
- 开发和验证一个新的框架,以准确识别Salvia miltiorrhiza Bunge的真实性和地理来源.
- 克服传统方法在检测假冒和错误标签的草药产品方面的局限性.
主要方法:
- 整合双轨二维 (2T2D) 相对应光谱与高光谱成像 (HSI) 以生成同步的相对应光谱图像.
- 应用转移学习和增强的深度学习模型 (DeiT-CBAM) 进行精确的分类.
- 系统评估预处理策略,波长选择方法 (包括连续投影算法-SPA),以及各种经典和深度学习模型.
主要成果:
- 使用2T2D相关谱图像的模型显著优于传统的单维光谱模型.
- 与SPA相结合的DeiT-CBAM模型在训练和验证集上达到100%的准确性,在测试集上达到99.62%的准确性,仅使用79波长.
- 层wise类激活映射 (层wise CAM) 证实了模型的可解释性.
结论:
- 拟议的框架将同步的2T2D相关谱图像与DeiT-CBAM模型集成在一起,为地理来源可追溯提供了强大可靠的技术解决方案.
- 这种方法提供了高分辨性性能,适用于包括食品和药草在内的各种物种,从而解决了假冒产品的问题.
