用短波红外高光谱成像和机器学习技术评估食用藻类物种的营养价值
Tiziana Amoriello1, Francesco Mellara1, Monica Amoriello2
1CREA Research Centre for Food and Nutrition, Via Ardeatina 546, 00178 Rome, Italy.
Foods (Basel, Switzerland)
|July 27, 2024
概括
超光谱成像 (HSI) 提供了一种快速,可持续的方法来分析藻类的营养含量. 这种技术与人工神经网络 (ANN) 相结合,可以准确量化各种藻类物种中的蛋白质,脂质和纤维.
科学领域:
- 食品科学 食品科学 食品科学
- 生物技术是生物技术.
- 分析化学 分析化学
背景情况:
- 藻类因其营养和生物活性化合物而越来越受重视,推动了食品,化品和营养药品的需求.
- 评估藻类质量的传统方法是破坏性的,昂贵的,耗时的.
- 超光谱成像 (HSI) 是一种有前途的非破坏性技术,用于食品质量评估.
研究的目的:
- 为了评估十七种食用藻类的营养特征 (蛋白质,脂质,纤维).
- 使用SWIR HSI和ANN.开发藻类营养成分的多种预测模型.
- 为了证明一种快速和可持续的替代品,以传统的化学分析藻类.
主要方法:
- 使用传统的生物化学方法对17种宏观和微藻类的营养分析.
- 使用短波红外 (SWIR) 装置获取超光谱图像.
- 开发人工神经网络 (ANN) 算法,用于多个物种的营养预测.
主要成果:
- 与ANN算法相结合的SWIR HSI实现了蛋白质 (R2 = 0.9952),脂质 (R2 = 0.9767),纤维 (R2 = 0.9828) 的高预测性能.
- 开发的模型准确地量化了多种藻类物种中的生物分子.
- 证明了HSI作为藻类快速和非破坏性的分析工具的潜力.
结论:
- SWIR高光谱成像和ANN算法提供了一种快速,可持续和准确的方法来量化各种藻类物种的营养成分.
- 这种方法克服了传统的破坏性分析方法的局限性.
- 强调HSI在藻类质量控制和各种工业应用的表征方面的实用性.
