一个基于多氧化酶及其纳米酶的新型混合传感器阵列与基于机器学习的双输出模型相结合,用于识别茶叶多和中国茶的多
Xiaoyu Yang1, Zhichun Bi1, Chenghui Yin1
1College of Food Science and Engineering, Jilin University, Changchun 130025, PR China.
Talanta
|March 1, 2024
概括
一个新的传感器阵列使用酶/纳米酶混合和机器学习来识别茶叶多 (TPs) 和中国茶. 这种方法可以快速,准确地检测TP的质量和数量,并区分各种茶类.
科学领域:
- 分析化学 分析化学
- 生物技术是生物技术.
- 食品科学 食品科学 食品科学
背景情况:
- 茶叶多 (TPs) 是茶叶中的关键化合物,影响其健康益处和味道.
- 准确识别和量化TP和茶叶品种对于质量控制和消费者信息至关重要.
- 现有的茶叶分析方法可能耗时,复杂或缺乏特异性.
研究的目的:
- 开发一种新的传感器阵列,用于识别茶叶多和中国茶.
- 为了实现快速,准确,同时质量和数量检测TP.
- 区分各种中国茶类型和品种.
主要方法:
- 基于酶/纳米酶混合与多氧化酶活性的传感器阵列的开发.
- 利用TP和4-aminoantipyrine (4-AAP) 之间的催化反应产生色度变化.
- 集成基于机器学习的双输出模型,用于数据分析和预测.
主要成果:
- 传感器阵列成功识别了不同物种,度和比例的TP.
- 机器学习模型有效地预测了未知样本的类别和度.
- 综合系统准确地区分了六大中国茶系列和特定品种.
结论:
- 开发的传感器阵列为茶叶和茶叶产品的识别提供了有效和简单的策略.
- 这种方法可以持续,快速地对TP进行定性和定量检测.
- 传感器阵列与机器学习的集成为茶叶质量评估和认证提供了一个有前途的工具.
