近日，我校机电学院许丽佳教授团队于环境科学与工程领域顶级期刊《Journal of Hazardous Materials》（中国科学院一区，TOP期刊，影响因子IF=11.3）发表了题为《Physiological mechanism-guided hyperspectral modeling for cadmium quantification in spinach (Spinacia oleracea L.) leaves》的研究论文。该研究创新性地将植物生理响应机制与高光谱成像技术深度融合，为实现蔬菜中重金属镉的快速、精准、无损检测提供了全新的方法范式，标志着团队在作物生境智能监测与农业污染防治方面又取得一项重要进展。
图 1. 摘要图
当前，蔬菜中重金属的可靠、准确检测是食品安全领域长期面临的关键难题。本研究以菠菜叶片中镉含量定量分析为切入点，深入剖析了镉胁迫对植物生理结构的直接影响——镉通过破坏叶绿素-类黄酮系统、损害细胞完整性，进而改变叶片在特定波段的光谱响应特性。基于这一生理机制，团队精准筛选出两个特征光谱区域（388.34–430 nm 及 1000–1036.34 nm），并据此创新设计了多卷积分支深度学习网络 Cd - SpiNet，专门提取与镉污染高度关联的光谱特征，显著增强了模型对镉特异性信号的敏感度。
实验结果显示，该生理机制引导的建模策略极大地提升了检测性能，在预测集上实现了决定系数 R2 达 0.9753、预测均方根误差 RMSEP 低至 0.0287 mg/kg 的高精度定量分析。这一突破性精度源于该方法紧密关联了镉触发的生理变化与所选波段内光谱吸收反射特性的直接因果关系，实现了从“光谱相关性”到“生理机制关联性”的跨越。
图 2. 测定菠菜叶中镉含量的分析工作流程
该研究不仅研发出一套高精度的镉含量检测模型，更提出了一种“生理机制引导光谱建模”的新范式，为农业环境中重金属污染监测提供了兼具理论基础与智能检测能力的有力工具。
许丽佳教授为该论文通讯作者，博士研究生杨宇平为第一作者，四川农业大学为第一署名单位和唯一通讯单位，合作单位包括浙江大学等。许丽佳教授团队长期致力于交叉学科研究，将光学检测、人工智能与农业环境监测深度融合，持续在作物生长环境信息感知与精准诊断方向取得系列成果。该研究得到了中央引导地方科技发展项目（2023ZYDF085）的资助。
论文网址：https://doi.org/10.1016/j.jhazmat.2025.140727
