ATR-FTIR分光法と深層学習による赤ワインの化学測定分析および地理的分類

科学分野:

• 分析化学
• 化学測定
• 分光法のための機械学習

背景:

• 地理的産地の認証は、ワインの品質管理と消費者の信頼にとって重要です。
• 従来のワイン産地分析方法は、時間がかかり、精度が低い可能性があります。
• ワインの地理的トレーサビリティのための、迅速、正確、かつ堅牢な方法の開発が不可欠です。

研究 の 目的:

• 分光法と機械学習を使用した赤ワインの地理的産地認証のための新しい方法を開発および検証すること。
• 地域固有のスペクトルフィンガープリントを捉えるための全反射減衰フーリエ変換赤外（ATR-FTIR）分光法の可能性を調査すること。
• 赤ワインの産地の正確な分類のための残差複合畳み込みニューラルネットワーク（Res-MCNN）のパフォーマンスを評価すること。

主な方法:

• 中国の異なる地域（新疆と河北）の200の赤ワインサンプルをATR-FTIR分光法で分析しました。
• 高度な前処理技術を適用しました。波長選択のための競争的適応重み付けサンプリング（CARS）と特徴最適化のための決定木プーリング。
• 分類のための新しい残差複合畳み込みニューラルネットワーク（Res-MCNN）を開発および実装しました。

主要な成果:

• ATR-FTIRは地域固有のスペクトルフィンガープリントを捉えることに成功し、滴定酸とフェノール化合物が主要な識別マーカーとして特定されました。
• 提案されたRes-MCNNモデルは、高い分類精度（97.975％）、感度（98.2％）、特異度（97.6％）、およびAUC（0.989）を達成しました。
• 管理された実験により、アルコールと糖分の含有量にわずかな変動があっても、モデルが安定したトレーサビリティ性能を維持することが実証されました。

結論:

• ATR-FTIR分光法とRes-MCNNモデルの組み合わせは、赤ワインの地理的産地認証に非常に効果的で信頼性の高い方法を提供します。
• 開発されたモデルは、地域のスペクトル特性を特定する上で堅牢なパフォーマンスを示し、ワインの真正性とトレーサビリティに貢献します。
• このアプローチは、ワイン業界が不正と戦い、製品の出所を保証するための有望なツールを提供します。