近期，我院的研究团队在咖啡产地溯源技术领域实现了重大突破，相关研究成果以 “Target-enhanced double-pulse LIBS coupled with feature-fused CNN for mechanistic and interpretable coffee origin authentication” 为题，发表于国际知名食品期刊《Food Chemistry: X》。该论文以东莞理工学院为第一完成单位，南宁师范大学、华南理工大学为合作单位，本校何小勇博士担任通讯作者，团队成员参与了实验设计、数据处理以及模型优化等核心工作。

咖啡产地与其商业价值和品质密切相关，但受经济利益驱使，市场上掺假行为屡禁不止，严重扰乱市场秩序。传统鉴别技术存在主观性较强、样品前处理过程复杂、模型泛化能力较弱等问题，难以满足快速且精准的检测需求。激光诱导击穿光谱（LIBS）技术虽具备多元素快速检测的优势，但传统单脉冲模式在复杂有机基质中对痕量元素的检测灵敏度不足，信号稳定性欠佳，制约了其实际应用。

针对上述问题，团队创新性地构建了钾辅助正交双脉冲 LIBS 与特征融合卷积神经网络（CNN）协同框架：运用高纯度 KHCO₃固体靶实现等离子体交叉耦合与二次能量注入，将痕量元素检测灵敏度提升至 ppb 级别；设计特征融合 CNN 模型，将归一化光谱数据与统计描述符进行串联，自主提取层级化空间 - 光谱特征，突破了手动特征工程的局限。

实验结果表明，该模型对云南、哥伦比亚、肯尼亚、埃塞俄比亚四个产地咖啡的鉴别准确率与 F1 分数均达到 99.00%，显著优于 XGBoost（95.75%）、PLS - DA（92.50%）等传统算法，且在 30 dB 强噪声干扰下准确率仍超过 94%。团队借助 SHAP 与 1D Grad - CAM++ 双路径解释框架，明确了 Fe、Cr、Cu、K 等元素的协同作用是鉴别核心，验证了结果的科学性。

本研究提出了一种快速且非破坏性的咖啡产地溯源新方案，为农产品质量监管提供了关键技术支持。该研究成果可推广至茶叶、中药材等其他农产品地理标志保护领域，具备重要的产业化价值。本研究获得国家自然科学基金（62405052、62403132）资助。

原文链接：https://doi.org/10.1016/j.fochx.2026.103734

（撰稿：何小勇；一审：邓敏君；二审：李艳霞；三审：张兆云、曾鹏举）