通过薄层染色体成像和拉曼光谱分析的数据融合,提高沙夫兰改分类和量化准确度

科学领域:

• 分析化学 分析化学
• 频谱学是一种光谱学.
• 化学测量 化学测量 化学测量

背景情况:

• 沙法兰是一种高价值的香料,容易被植物材料或合成染料改.
• 目前国际标准的沙夫兰分析方法不足,对人工色素缺乏准确性,需要复杂的程序.
• 之前的工作开发了一种便携式薄层染色学-拉曼光谱法 (TLC-Raman) 方法,用于评估香的质量.

研究的目的:

• 为了提高分类和定量沙夫兰中杂质的准确性.
• 为了研究TLC成像和拉曼光谱数据的中级数据融合的好处,以分析沙夫兰.
• 为了比较融合数据分析的性能与用于 adulterant 检测的单个数据集.

主要方法:

• 通过将特色TLC成像数据和特色拉曼光谱数据连接到单个矩阵中,利用中级数据融合.
• 采用了部分最小平方区分分析 (PLS-DA) 进行分类和部分最小平方 (PLS) 模型进行量化.
• 将融合数据的分类和量化结果与来自单个TLC成像和拉曼光谱数据集的数据进行了比较.

主要成果:

• 中级数据融合方法在分类沙夫兰杂质方面取得了很高的准确性.
• 使用融合数据的PLS-DA模型准确地确定了2-10%的人工染物 (红色40,黄色5) 和20-100%的天然染物 (红杉,黄).
• 培训组的分类准确率达到99.52%,验证组的分类准确率达到99.20%;合并的数据也提高了量化性能.

结论:

• 通过中级融合融合TLC成像和拉曼光谱数据,显著提高了沙夫兰改剂分类和量化的准确性.
• 这种综合方法提供了一个强大的工具,可以在现场快速准确地做出关于沙夫兰质量的决定.
• 开发的方法解决了当前标准技术的局限性,为检测沙夫兰改提供了更强大的解决方案.