日前,中国水产科学研究院黄海水产研究所水产品质量安全形成机制与防控技术团队在国际知名期刊Current Research in Food Science, Journal of Food Composition and Analysis上发表了2篇水产品产地溯源相关研究论文,报道了该团队在水产品产地追溯研究领域取得的最新进展。
养殖环境的地域差异造就了水产品品质与价格的巨大差异,不法分子通过产地标签欺诈获取高额利益,给水产品的区域品牌保护以及质量安全管控均带来严峻挑战。水产品质量安全形成机制与防控技术团队研究了紫菜、牡蛎等水产品中的矿物元素含量,并分析了消费者通过食用紫菜、牡蛎的重金属暴露的健康风险。此外,通过化学计量学分析手段对紫菜及牡蛎中金属元素的区域差异进行了解析并筛选出特征指纹。结合化学计量学分析以及机器学习等手段建立了产地溯源模型,并对影响模型性能的关键参数进行了优化。根据建立的溯源模型,对紫菜产地的预测准确度为80.3%,对牡蛎产地的预测准确度为96.8%。
针对机器学习模型的黑盒特性,研究团队通过引入可解释工具,在全局与局部尺度上对溯源模型的决策过程进行了解析,深度提升了决策结果的可信性,为推动现实场景中的运用奠定了坚实基础。该技术有望成为紫菜、牡蛎等水产品品牌保护的有效手段,为水产品质量安全的全链条防控带来全新的解决方案。
![](/__local/9/CC/4A/5B98228CBF2858E9FA21F36FF69_F3DD71C7_CB4DE.png)
基于矿物元素分析的紫菜产地溯源技术
![](/__local/7/FA/BB/89DAE08A59123AFF0C475555CA9_61D0E786_1544.gif)
![](/__local/1/43/36/9F57E43E4922149AA3F1C88B4CE_9871A521_48DC3.png)
基于矿物元素分析与可解释机器学习的牡蛎产地溯源技术
黄海所康绪明副研究员为《Explainable machine learning for predicting the geographical origin of Chinese Oysters via mineral elements analysis》论文的第一作者,谭志军研究员为通讯作者;赵艳芳研究员为《Elemental profiling of red seaweed Neopyropia yezoensis used in fast authenticating the geographical origin and food safety assessment》论文的第一作者,谭志军研究员为通讯作者。研究工作得到了国家自然科学基金(32202156)、山东省自然科学基金(ZR2022QC067)、中国水产科学研究院基本科研业务费(2023TD76、2023TD28)以及现代农业产业技术体系(CARS-49,CARS-50)等项目的资助。
全文链接:
https://www.sciencedirect.com/science/article/pii/S0889157523007135
https://www.sciencedirect.com/science/article/pii/S2665927124000649