使用数字图像处理和机器学习分析棕糖中的糖,矿物质和颜色的环保方法

科学领域:

• 食品科学与技术 食品科学与技术
• 分析化学 分析化学
• 计算化学计算化学

背景情况:

• 棕糖表现出显著的感官变化,影响质量和消费者选择.
• 对于棕糖来说,快速可靠的质量控制方法是非常理想的.
• 目前的分析方法可能耗时或对环境造成负担.

研究的目的:

• 开发一种快速,环保和准确的方法,用于同时分析棕糖质量参数.
• 通过智能手机和机器学习 (kNN算法) 使用数字图像处理 (DIP) 来进行此分析.
• 与传统技术相比,评估拟议方法的绿色特征.

主要方法:

• 使用智能手机获取棕糖的数字图像.
• 从数字图像中提取数据进行分析.
• 应用k-最接近邻居 (kNN) 算法来构建糖糖,降解糖,矿物质 (Ca,Fe,Zn,Mn,Mg) 和ICUMSA颜色的预测回归模型.
• 使用确定系数 (R2) 和根平均平方误差 (RMSE) 评估模型性能.
• 使用AGREE指标评估方法对环境的影响.

主要成果:

• 对Ca,ICUMSA颜色,Fe和Zn的高预测精度 (R2 ≥92.33%) 得到了实现.
• 对于糖糖 (R2 = 81.16%),降解糖 (R2 = 85.67%), (R2 = 83.36%) 和 (R2 = 86.97%),观察到良好的预测能力.
• 所有预测模型都显示了较低的数据分散 (RMSE < 0.235).
• "同意"指标证实了拟议方法的优越绿色特征,避免使用溶剂和有毒试剂,消耗更少的能量,不产生有毒废物.

结论:

• DIP和kNN的组合为棕糖提供了一种快速,非侵入性和可持续的分析方法.
• 这种方法显著改善了棕糖的质量控制,确保了产品的一致性.
• 该方法支持生产符合消费者和行业标准的高质量甜味剂.