指纹黑茶:当光谱与机器学习相遇时,地理来源识别的新的工作流程
Yicong Li1, Natasha Logan1, Brian Quinn1
1National Measurement Laboratory: Centre of Excellence in Agriculture and Food Integrity, Institute for Global Food Security, School of Biological Sciences, Queen's University Belfast, 19 Chlorine Gardens, Belfast, Northern Ireland BT9 5DL, UK.
Food chemistry
|November 25, 2023
概括
这项研究引入了一种使用光谱学和机器学习的新方法,以准确识别黑茶的地理来源. 这项创新提高了供应链的透明度,并打击食品欺诈.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 食品欺诈,包括茶叶真实性问题,对全球供应链和消费者信任构成重大风险.
- 茶是一种全球消费的饮料,使其真实性和起源对工业和消费者至关重要.
- 目前用于验证茶叶来源的方法缺乏实时供应链监控所需的效率和速度.
研究的目的:
- 开发一种创新的工作流程,用于区分黑茶的地理标志 (GI).
- 建立一个快速,低成本和用户友好的解决方案,用于验证黑茶原产地.
- 提高黑茶供应链中的透明度和打击食品欺诈.
主要方法:
- 使用富里埃变换红外 (FTIR) 和近红外 (NIR) 光谱进行非定向光谱指纹采集.
- 来自全球九个不同的GI地区的360个黑茶样本的分析.
- 机器学习算法的应用,特别是k-近邻和支持向量机器模型,用于数据分析.
主要成果:
- 通过FTIR光谱学与机器学习相结合,在识别黑茶的地理来源方面实现了100%的准确性.
- 证明了光谱指纹对GI歧视的有效性.
- 验证了在现场实时确定黑茶来源的潜力.
结论:
- 开发的工作流提供了一个高效和准确的解决方案,用于确定黑茶的地理来源.
- 这种方法在打击食品欺诈和确保供应链完整性方面取得了重大进展.
- 这种技术的用户友好和低成本性质使其适合在茶叶行业广泛采用.
更多相关视频
10:14Chromatographic Fingerprinting by Template Matching for Data Collected by Comprehensive Two-Dimensional Gas Chromatography
Published on: September 2, 2020
5.0K
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
2.0K
