多変量,機械学習,深層学習モデルを組み合わせた1H NMRスペクトロスコーピーを用いた食用油および偽造混合物の芝生油の分類および定量化

科学分野:

• 分析化学
• 食品科学
• 人工知能

背景:

• 低価格の油で芝生油を偽造することは大きな懸念事項です.
• 正確な認証と定量化方法は,品質管理に不可欠です.

研究 の 目的:

• 食用油を分類するためのAIベースのモデルを評価する.
• 1H NMRスペクトルデータを用いて,偽造混合物の芝生油の含有量を定量化する.

主な方法:

• プロトン核磁気共鳴 (1H NMR) スペクトロスコーピーを用いた.
• PCA-LDA,SVM,および1D-CNNを含む人工知能 (AI) モデルが分類および回帰に使用されました.
• 部分最小二乗回帰 (PLSR) とサポートベクトル回帰 (SVR) を比較に使用した.

主要な成果:

• すべての分類モデル (PCA-LDA,SVM,1D-CNN) は100%の精度を達成した.
• 1D-CNNモデルは,セサミ油の定量化において優れた回帰性能 (RMSEP=1.03,R2=0.999) を示した.
• 1D-CNNモデルは,外部試験サンプルで2%の誤差で芝生油の含有量を正確に予測しました.

結論:

• AIモデル,特に1D-CNNは,信頼性の高い芝生油の偽造検出と定量化の可能性を示しています.
• NMR光学と統合された説明可能なディープラーニングは 食用油の分析に強力なソリューションを提供します
• このアプローチは食品の正統性と消費者の保護を保証します.