山东大学生态环境损害鉴定研究院孔令帅副研究员课题组在人工智能赋能精准溯源技术领域取得新进展。相关成果在“Deep Learning-Augmented Inductively Coupled Plasma Atomic Emission Spectrometry for Multivariate Authentication of Green Tea Origin and Grades Food Research International”为题发表在农林科学领域TOP期刊《Food Research International》（中科院1区，IF=8.0）。硕士研究生孙乙清为第一作者，孔令帅副研究员为通讯作者，山东大学为第一单位。

课题组围绕环境法医学领域的关键环节——溯源，开展基础与应用研究。旨在通过研究不同产地、树龄的植物体（或其营养器官）的元素分布，揭示其独特的元素“指纹”特征，构建植物指纹溯源模型，为生态环境损害事件提供精准的溯源技术。本论文以绿茶为植物模型，创新性提出“电感耦合等离子体原子发射光谱+深度学习”方法，该方法在元素分布高度相似的情况下，仍能以90%的准确率识别茶叶的产地和等级。其原理为茶叶因产地和芽叶生长需求不同而具有不同的元素特征，通过深度学习模型反向传播神经网络挖掘茶叶“指纹”信息，实现对茶叶产地和等级准确识别。此项研究为生态案件中的植物物种区分、产地溯源、家养与野生区分等难题提供了新技术。

孔令帅课题组主要从事土壤矿物界面化学转化新污染物、“人工智能+化学测量学”溯源技术等方向的研究，通过解析新污染物在土壤矿物界面的吸附、水解、氧化等环境行为，揭示新污染物的环境迁移转化行为，为开发环境生态体系中新污染物的精准溯源技术与装备提供理论与技术支撑。该工作得到了国家自然科学基金、山东省重点研发计划、山东省自然科学基金等项目的支持。

欢迎有奇思妙想、科学热情和环境、化学或材料背景的同学加入课题组。

原文链接：https://doi.org/10.1016/j.foodres.2025.117015

【作者：孔令帅；编辑：王金铭；审核、责任编辑：林佳宁】