通过分析基于多元元素组成的指纹签名来识别普通果的地理原产地
Melisa Jazmin Hidalgo1, José Emilio Gaiad1, Héctor Casimiro Goicoechea2
1Instituto de Química Básica y Aplicada del Nordeste Argentino (IQUIBA-NEA), UNNE-CONICET, Facultad de Ciencias Exactas y Naturales y Agrimensura, Ave. Libertad 5400, Corrientes 3400, Argentina.
Food chemistry: X
|December 25, 2023
概括
这项研究使用了元素分析和机器学习来验证汁在阿根廷的原产地. 支持矢量机 (SVM) 实现了95.1%的准确性,确保了真正的类产品来源.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 化学测量 化学测量 化学测量
背景情况:
- 越来越多的消费者对真实的,可追溯的食品产品的需求需要强有力的地理真实性验证.
- 确保食品质量保证依赖于准确的方法来确定产品的来源.
研究的目的:
- 评估模式识别方法,使用基本预测器来辨别普通汁的来源.
- 根据类样本的矿物质概况,确定最有效的分类模型来验证类样本的真实性.
主要方法:
- 用微波等离子原子发射光谱学 (MP-AES) 来对来自阿根廷三个类产区的202个汁样本进行基本分析.
- 模式识别技术的应用,包括线性判别分析 (LDA),k-最近邻居 (k-NN),支向量机 (SVM) 和随机森林 (RF).
主要成果:
- 支持矢量机 (SVM) 显示了最高的分类性能,成功率为95.1%.
- 发现元素概况能够准确识别普通汁的真实来源.
结论:
- 开发的SVM模型是有效的果样本认证,确保汁的地理来源.
- 在食品供应链中实施这种矿物质分析方法可以防止错误标签欺诈,并加强消费者保护.


