2025年4月22日，国际学术期刊《Journal of Agriculture and Food Research》（中科院二区Top期刊）在线发表了广东省农业科学院作物研究所王章英团队与河北省农林科学研究院粮油作物研究所马志民团队合作的最新研究论文《Machine learning-enhanced near-infrared spectroscopy for high-throughput phenotyping of sweetpotato sugars across raw and cooked states》。
        近年来，甘薯因其丰富的营养价值和多样的食用方式，成为了全球重要的根茎作物之一。然而，传统的糖分检测方法繁琐且效率低，限制了甘薯品种的改良和加工应用。为突破了这一瓶颈，该研究采用近红外光谱技术（NIRS）结合机器学习算法，开发了一种高通量的甘薯糖分检测方法，显著提升了检测速度和准确性。
        研究亮点：
        1. 高效检测糖分：通过NIRS与先进的机器学习算法相结合，研究开发了用于检测甘薯中果糖、葡萄糖、蔗糖和麦芽糖的预测模型。这些模型在生、蒸和烤薯状态下均表现出色，特别是在样品的校准和交叉验证中，R2值分别达到了0.941至0.984，验证结果的准确度也超过了90%。
        2. 优化品种筛选和食物加工：研究表明，蒸、烤处理会显著影响甘薯的糖分组成，尤其是麦芽糖含量的增加，进一步提升了甘薯的甜味和口感。通过这些高效的模型，能够快速筛选出符合消费者口味的高糖品种，并为食品加工提供更精确的质量监控。
        3. 广泛应用前景：该研究不仅推动了甘薯育种领域的高通量表型分析，也为食品行业提供了一个便捷、低成本的质量控制工具，具有广泛的市场应用潜力。从农业生产到餐桌消费的每一个环节，这项技术都能提供宝贵的数据支持。
        作者及基金资助情况
         
        广东省农业科学院作物研究所唐朝臣博士为论文第一作者，河北省农林科学研究院粮油作物研究所马志民研究员和广东省农业科学院作物研究所王章英研究员为共同通讯作者。此项研究得到了广东省基础与应用基础研究基金（2024A1515012158）、国家甘薯产业技术体系（CARS-10）、河北省农林科学院科技创新专项（2022KJCXZX-LYS-12）及河北省现代农业产业技术体系创新团队项目（HBCT2023060202）的资助。
        文章链接
        https://www.sciencedirect.com/science/article/pii/S2666154325003059