通过基于近贝叶斯 SVM 分类器的近红外光谱检测性贝类毒素,不平等的错误分类成本
Yao Liu1, Jianfang Xiong2, Fu Qiao2,3
1School of Electronic and Electrical Engineering, Lingnan Normal University, Zhanjiang, China.
Journal of the science of food and agriculture
|October 30, 2023
概括
一种新方法使用近红外光谱学 (NIRS) 和不平等的错误分类成本近贝叶斯支持矢量机 (u-NBSVM) 快速检测贝类类毒素 (PST) 在贝中. 这种方法即使在有限的受污染样品中也能确保准确的结果,从而提高了食品安全.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 频谱学是一种光谱学.
背景情况:
- 由于食用有毒藻类污染的贝类而导致的性贝类中毒 (PSP) 构成了严重的公共卫生风险.
- 有效的贝类监测对于防止被污染的产品进入市场至关重要.
研究的目的:
- 开发一种快速,非破坏性的方法来检测贝中的麻性贝类毒素 (PST).
- 解决在不平衡的数据集中检测PST的挑战,其中非受污染的样本明显超过受污染的样本.
主要方法:
- 采用近红外光谱 (NIRS) 来从贝样本中收集光谱数据.
- 一个新的检测模型,不平等的错误分类成本接近贝叶斯支持向量机 (u-NBSVM),被开发和应用.
- u-NBSVM模型包含了不平等的错误分类成本和决策边界的转移,以处理不平衡的数据.
主要成果:
- u-NBSVM模型在不平衡的数据集上显示出强大的性能,随着PST样本数量的减少,保持检测准确性.
- 实现了高检测性能,G-平均值和精度分别达到0.9898和0.9944,即使只有20个PST样本.
- 在检测能力方面,u-NBSVM模型超过了传统的支持向量机 (SVM) 和标准的NBSVM.
结论:
- 与u-NBSVM模型相结合的NIRS技术提供了一个有前途的解决方案,用于在中快速而非破坏性的PST检测.
- 这种方法提高了贝类监测计划的可靠性,有助于保护公众健康.
- 该研究验证了u-NBSVM在处理分析化学中不平衡分类问题的有效性.
