通过红外光谱学以及机器学习方法对来自阿富汗和缅甸的片进行歧视
Cui-Mei Liu1, Xue-Yan Liu2, Yu Du2
1Key Laboratory of Drug Monitoring and Control, Drug Intelligence and Forensic Center, Ministry of Public Security, P.R.C., Beijing 100193, China.
这项研究开发了快速红外光谱 (IR) 和机器学习 (ML) 方法,以区分片与阿富汗和缅甸. 中红外光谱学在地理分类中被证明是最有效的,提供了一个简单,快速和环保的替代方案.
科学领域:
- 分析化学 分析化学
- 化学测量 化学测量 化学测量
- 法医科学 法医科学 法医科学
背景情况:
- 阿富汗和缅甸是全球主要的片生产国.
- 准确地确定片的地理来源对于执法和政策至关重要.
- 传统的片分析方法可能耗时且资源密集.
研究的目的:
- 开发和验证快速,高效的方法来区分来自阿富汗和缅甸的片.
- 为了比较各种机器学习算法在与红外光谱学相结合时的性能.
- 建立红外光谱作为一个可行的工具,片地理定位.
主要方法:
- 用中红外 (MIR) 和近红外 (NIR) 光谱学分析了146个真正的片样本.
- 开发和比较六种机器学习模型:PLS-DA,OPLS-DA,KNN,SVM,RF和ANN.
- 模型培训使用116个样本,验证使用30个样本.
主要成果:
- 在所有ML模型中,中红外光谱学实现了完美的分类 (精度,回忆,F1得分为1.0).
- 尼尔光谱显示了高分类性能 (平均精度,回忆,F1得分0.90-0.94).
- 与NIR相比,MIR数据显示片地理分类的适用性优于NIR.
结论:
- 红外光谱学与机器学习相结合,为片原产地分类提供了一种快速,经济高效和环保的方法.
- 中红外光谱特别有效地将片从阿富汗和缅甸区分开来.
- 这种方法为药物分析和法医应用提供了传统分析技术的有价值的替代方案.
更多相关视频
09:24Standardized Identification of Compound Structure in Tibetan Medicine Using Ion Trap Mass Spectrometry and Multiple-Stage Fragmentation Analysis
Published on: March 17, 2023
11:14Rapid High-throughput Species Identification of Botanical Material Using Direct Analysis in Real Time High Resolution Mass Spectrometry
Published on: October 2, 2016
相关概念视频
IR Frequency Region: Fingerprint Region
Applications of IR Spectroscopy: Overview
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
IR Spectrometers
IR and UV–Vis Spectroscopy of Aldehydes and Ketones
