一种方法来评估大米中的工业石污染水平及其基于转移成分分析的可转移性分析
Zhentao Wang1, Ruidong Wang2, Yuhang Chu1
1College of Engineering, Northeast Agricultural University, Harbin 150030, China; Heilongjiang Provincial Key Laboratory of Modern Agricultural Equipment Technology in Northern Cold Regions, Harbin 150030, China.
Food chemistry
|October 14, 2023
概括
一种新的转移学习方法 (TCA-LSSVR) 准确地估计了大米中的工业污染水平 (IPCLs). 这种方法需要最小的新数据,提高食品安全检测效率.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 机器学习 机器学习
背景情况:
- 准确检测大米中的工业污染水平 (IPCL) 对于确保食品安全至关重要.
- 目前用于标记伪造大米的方法耗时且劳动密集,阻碍了有效估计技术的开发.
研究的目的:
- 开发一种新的转移学习方法,以准确高效地估计大米中的IPCL.
- 为了减少与伪造检测算法数据标签相关的实验负担.
主要方法:
- 开发一个转移学习算法,TCA-LSSVR,整合转移组件分析 (TCA) 进行域调整.
- 基准分析使用来自9个数据集的4,680个样本,包括来自7个地区的大米和3个工业.
- 在各种建模策略中评估估计性能.
主要成果:
- 在TCA-LSSVR算法证明了良好的估计性能.
- 有效的转移学习只需要20%的现场样本来补充源数据集.
- 关键性能指标包括0.7045的平均确定系数 (R2),0.140%的平均根平均平方误差 (RMSE) 和2.023.23的平均性能与偏差比率 (RPD).
结论:
- 开发的TCA-LSSVR方法为快速估计米的IPCL提供了一个有希望的方法.
- 这凸显了通过利用现有试验数据开发下一代伪造检测算法的潜力.
- 该研究强调了开发具有较低实验要求的新检测方法的效率提升.
