近日，內蒙古農業大學劉江平教授團隊在駱駝奶摻假檢測方面取得重要成果，相關論文發表于國際食品科學領域頂級權威期刊《食品化學》。該研究首次將新型人工智能模型與近紅外光譜技術相結合，成功破解了傳統檢測方法操作繁瑣、耗時長、易破壞樣品、低比例摻假難以識別等難題，為乳制品質量安全監管提供了高效、精準的標準化方案，讓前沿科技精準守護群眾舌尖上的安全。

　　據團隊介紹，目前常用的駱駝奶摻假檢測方法雖然精度較高，但往往需要復雜的前處理和較長的檢測周期，且會破壞樣品；而近紅外光譜技術則面臨小樣本數據不足、摻假比例低時難以捕捉、模型“黑箱”導致結果不可靠等瓶頸。

　　針對上述問題，團隊立足計算機視覺與光譜分析的交叉領域，創新構建了一套“數據增強—定性檢測—定量預測—模型解釋”全鏈條技術體系。其中，團隊提出的混合生成模型（CCGS）可將分類準確率從95.21%提升至98.60%，生成的光譜數據在真實性和多樣性上顯著優于傳統模型，尤其能精準識別低比例摻假成分。同時，通過引入可解釋性分析（SHAP），研究人員成功定位了與水、蛋白質、脂肪相關的特征光譜波段，使智能檢測不再是一個“黑箱”，大大提升了檢測結果的信任度。

　　在定量檢測方面，團隊設計的兩階段定量模型（MCR-ALS-RF）經國際標準驗證，摻假成分回收率高達96.8%至99.5%，相對標準偏差小于5%，最低檢出限達到0.025至0.060克/100克，完全滿足食品摻假檢測的監管要求。

　　該成果不僅為駱駝奶產業的質量監控提供了有力工具，也為近紅外光譜技術與人工智能、化學計量學的交叉應用開拓了新的思路。（記者 白蓮）