机器学习应用于食品中毒素的检测:系统性审查
Alan Inglis1, Andrew C Parnell1, Natarajan Subramani2
1Hamilton Institute, Eolas Building, Maynooth University, W23 F2H6 Maynooth, Kildare, Ireland.
Toxins
|June 26, 2024
概括
机器学习 (ML) 模型可以准确及时检测食品中的有害真菌毒素. 本次审查强调了ML在食品安全中的应用,强调了需要可重复的研究和开源数据的需要.
科学领域:
- 食品科学 食品科学 食品科学
- 计算生物学 计算生物学
- 公共卫生 公共卫生
背景情况:
- 菌毒素,有毒的真菌代谢物,污染粮食作物,对人类和动物健康构成风险.
- 传统的检测方法对于大规模的食品安全查是缓慢且不切实际的.
- 机器学习 (ML) 显示出在食品工业中快速准确检测真菌毒素的前景.
结论:
- 在改善食品安全和减轻真菌毒素风险方面,ML的进步至关重要.
- 标准化报告和开放数据实践对于在真菌毒素研究中推进ML至关重要.
- 未来的研究应该专注于解决可重复性问题,并探索各种ML架构.
更多相关视频
08:00Enrichment and Detection of Clostridium perfringens Toxinotypes in Retail Food Samples
Published on: October 18, 2019
20.0K
08:56Detection of Regulated Ergot Alkaloids in Food Matrices by Liquid Chromatography-Trapped Ion Mobility Spectrometry-Time-of-Flight Mass Spectrometry
Published on: November 22, 2024
608
