在小麦粉中超出极限检测脱氧尼瓦伦醇,基于光高光谱成像技术

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:

• 在小麦面粉中脱氧尼瓦醇 (DON) 的污染是全球重要的食品安全问题.
• 准确的检测方法对于监测DON水平和预防健康风险至关重要.

研究的目的:

• 开发和验证一种检测小麦面粉中过高的脱氧尼瓦伦醇 (DON) 含量的方法.
• 评估光高光谱成像 (FHSI) 结合机器学习用于DON检测的有效性.

主要方法:

• 小麦粉样本被人工污染了不同度的DON.
• 光超光谱图像采集并使用SG光滑和正常化进行预处理.
• 使用CARS和SPA.等算法进行特征频段选择.
• 使用了分类模型,包括随机森林 (RF),支持矢量机 (SVM) 和卷积神经网络 (CNN).

主要成果:

• SG-CARS-RF和SG-CARS-SVM模型实现了高性能,召回率高达98.95%,精度高达97.78%.
• 随机森林算法表现出强大的性能,并通过ROC曲线进一步验证.
• 在测试组中,CNN模型实现了97.78%的识别精度.

结论:

• 光超光谱成像 (FHSI) 是一种可行且有前途的技术,用于检测小麦面粉中的DON污染.
• 机器学习算法,特别是RF和SVM,有效地区分可接受的和过度的DON水平.
• 这种方法为小麦产品中DON的快速和准确的食品安全评估提供了潜力.