一个决策辅助工具,从它们的NIR光谱中分析小麦,可可豆和果的特性

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:

• 近红外光谱 (NIRS) 提供快速,非破坏性的食品分析,但面临着校准挑战.
• 校准复杂性因仪器,样品和属性而异,阻碍了制造商广泛采用.
• 准确的校准对于NIRS在食品质量控制和工艺监测方面至关重要.

研究的目的:

• 为使用智能NIRS波长选择的决策支持工具开发数据驱动的方法.
• 通过优化波长选择以提高NIRS准确度来评估各种食品特性.
• 为克服食品行业NIRS校准困难提供实际解决方案.

主要方法:

• 在NIRS中开发了一种数据驱动的方法,用于智能波长选择.
• 创建了一个基于优化波长选择的决策支持工具.
• 在各种食品样本上评估该工具:可可豆,小麦和果.

主要成果:

• 获得了高精度 (例如,R2cv:0.90,R2test:0.93可可豆水分).
• 对于水分,脂肪,酸度,维生素C和蛋白质含量预测,证明了有希望的结果.
• 超过了小麦水分和蛋白质含量的基准值 (例如,R2测试:0.99).

结论:

• 拟议的方法有效地支持通过智能波长选择NIRS的食品质量评估.
• 开发的工具显示了在食品分析中提高准确性和克服校准挑战的潜力.
• 需要进一步的研究来解决过度装配问题,并确保工业实施的可靠性.