ラマン分光法と化学測定法を用いたオリーブオイル認証のための主要ピーク特徴量の解明

科学分野:

• 分析化学
• 食品科学
• 分光法

背景:

• オリーブオイルの adulteration は、生産者と消費者に重大なリスクをもたらします。
• オリーブオイルの品質認証は、食品業界における重要な課題です。

研究 の 目的:

• オリーブオイルブレンドの識別におけるラマン分光法と機械学習の組み合わせの有効性を探求すること。
• 様々な混合物中のオリーブオイル含有量を定量化し、異なる化学測定技術の性能を評価すること。

主な方法:

• オイルサンプルからスペクトルデータを取得するためにラマン分光法を使用しました。
• 特徴抽出と分析のために、階層的クラスター分析（HCA）と相関分析（CA）を採用しました。
• 分類と定量化のために、ランダムフォレスト（RF）を含む機械学習モデルをトレーニングしました。

主要な成果:

• ランダムフォレストモデルは、10種類のオイルに対して高い分類精度（98.9%）を達成しました。
• 二成分および三成分ブレンドの予測性能は、決定係数（R²=0.985およびR²=0.926）で強い値を示しました。
• Shapley Additive Explanations（SHAP）により、モデルの精度に寄与する主要なラマン特徴量が特定されました。

結論:

• ラマン分光法と機械学習を統合したアプローチは、オリーブオイル認証のための堅牢なフレームワークを提供します。
• この方法は、食品業界におけるリアルタイムの品質監視と adulteration 検出のための有望なソリューションを提供します。