通过使用稳定同位素比率分析和随机森林分类来验证乳制品的原产地声明

科学领域:

• 食品科学和分析化学 分析化学
• 稳定同位素比率分析 (SIRA) 的应用.
• 机器学习在食品真实性方面的应用

背景情况:

• 食品标签上的地理原产地声明需要科学验证,以建立消费者信任.
• 稳定同位素比率分析 (SIRA) 利用天然同位素变异来验证原产地.
• 奶油,奶酪和全脂奶粉等乳制品是原产地认证的关键食品.

研究的目的:

• 通过SIRA科学验证乳制品的地理原产地声明.
• 评估SIRA在区分来自全球不同地区的乳制品方面的有效性.
• 开发基于同位素特征的乳制品原产地预测模型.

主要方法:

• 从黄油,奶酪和全乳粉样本中分离出素 (n=197).
• 测量了碳 (δ13C), (δ2H), (δ15N),氧 (δ18O) 和硫 (δ34S) 的稳定同位素比率.
• 使用随机森林机器学习模型来预测原产地.

主要成果:

• 基于SIRA的随机森林模型在预测产品原产地方面取得了88%的整体准确性.
• 爱尔兰 (95%) 和美国 (94%) 产品的类准确度很高.
• 该模型还对欧洲 (84%) 和澳大利亚 (71%) 产品表现出很好的准确性.

结论:

• SIRA是一种强大的分析技术,用于验证乳制品的地理来源.
• 使用同位素数据的机器学习模型可以准确地将乳制品与其原产地划分.
• 这种方法提高了食品原产地声明的可靠性,支持市场透明度和消费者信心.