根据NIR高光谱混合模型,快速检测完整的牛肉盘中的总可生存数量
Wensong Wei1,2, Fengjuan Zhang2, Fangting Fu2
1Key Laboratory of Agricultural Product Processing, Ministry of Agriculture/Institute of Food Science and Technology, Chinese Academy of Agricultural Sciences, Beijing 100193, China.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
使用支持矢量机算法的新近红外高光谱混合模型准确地确定牛肉菜中的总可生存细菌数量 (TVC). 这种方法通过提供细菌水平的强大而非破坏性分析来增强食品安全评估.
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:
- 总活力计数 (TVC) 对于评估食品的新鲜度和安全性至关重要.
- 在复杂的食物矩阵中检测TVC的光谱学检测面临着准确性和稳定性的挑战.
研究的目的:
- 开发一种与支持矢量机 (SVM) 算法相结合的近红外 (NIR) 超光谱混合模型.
- 在完整的牛肉菜样本中,准确而可靠地确定总活性细菌数量 (TVC).
主要方法:
- 使用了从完整和碎牛肉样本中获得的NIR高光谱扩散反射率数据.
- 应用了数据预处理技术,包括多倍散射校正 (MSC) 和竞争性自适应重量化采样 (CARS).
- 采用Kennard-Stone (KS) 和SPXY算法进行最佳样本选择,并使用直接标准化 (DS) 进行模型转移.
主要成果:
- 混合模型显著提高了预测准确性,将校准确定系数 (RP2) 从0.5088提高到0.8068.
- 预测的根平均平方误差 (RMSEP) 从0.2454降至0.1691 log10 CFU/g,表明精度提高.
- 混合型号表现出更好的性能,RMSEP下降9.23%,RPD和RER值增加.
结论:
- 开发的DS模型转移方法和混合模型策略允许在牛肉样本中非破坏性地确定TVC.
- 这种方法提供了可靠的参考,用于提高异质食品样本中的预测模型准确性和可靠性.
更多相关视频
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.7K
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
6.6K