基于多变量数据融合与人工智能分类算法相结合的多边形树品种和起源可追溯性
Peng Chen1, Chenghao Fei1, Rao Fu2
1Institute of Chinese Medicinal Materials, Nanjing Agricultural University, Nanjing, 210095, China.
Food chemistry
|July 20, 2024
概括
这项研究开发了一种使用多维数据的AI算法,以准确识别多边形树的品种和起源. 这种新的方法在区分多边形树 (PR) 品种和追踪其起源方面实现了100%的准确性.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 化学信息学 化学信息学
背景情况:
- 多角性树根 (PR) 是一种有价值的传统中医药,其质量因来源和品种而异.
- 准确识别PR来源和品种对于质量控制和防止改至关重要.
研究的目的:
- 开发和优化一种智能算法,用于区分多边形树品种并追踪它们的起源.
- 与使用多维数据融合的传统方法相比,评估新型算法的性能.
主要方法:
- 收集了来自不同来源的三种PR物种的多维特征数据 (光谱,纹理,成分含量).
- 应用多变量统计分析来选择原产地和品种歧视的特征因素.
- 开发并优化了深度信念网络 (DBN) 分类算法与多变量统计分析相结合.
主要成果:
- 确定了区分PR来源的39个特征因素和区分PR品种的14个特征因素 (VIP>1,P <0.05).
- 这种新的AI算法实现了PR品种100%的歧视率.
- 人工智能算法在追踪PR的起源方面表现出100%的准确性.
结论:
- 开发的基于多维数据融合的AI算法显著提高了多边形树的品种歧视和起源追踪的准确性.
- 这项研究为构建用于食品和草药认证的智能算法提供了宝贵的参考.
- 这些发现支持人工智能在确保传统药物的质量和安全方面的应用.
