在干洗液中确定蛋白质含量的创新策略 (Porphyra spp. ):通过短波红外成像评估预处理方法和机器学习算法
Eunghee Kim1, Jong-Jin Park2, Gyuseok Lee1
1Smart food manufacturing project group, Korea Food Research Institute, Wanju-gun 55365, South Korea.
Food chemistry: X
|September 17, 2024
概括
短波红外 (SWIR) 超光谱成像和竞争性适应性重权取样 (CARS) 准确地评估干洗中的蛋白质. 这种非破坏性方法提高了食品质量控制,并支持了干洗市场.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 频谱学是一种光谱学.
背景情况:
- 干洗机的质量控制对食品工业至关重要.
- 需要非破坏性方法来有效地评估干洗机中的蛋白质.
- 传统的蛋白质分析方法可能耗时且具有破坏性.
研究的目的:
- 应用短波红外 (SWIR) 超光谱成像与竞争性自适应重量化采样 (CARS) 结合,用于干洗机中的非破坏性蛋白质含量评估.
- 优化波长选择和数据预处理以提高准确性.
- 评估用于蛋白质预测的高级回归模型的性能.
主要方法:
- 在900-1700nm范围内利用SWIR高光谱成像.
- 使用CARS进行信息波长选择.
- 应用的预处理技术:标准正常变量 (SNV),萨维茨基-戈莱 (SG) 过,正交信号校正 (OSC) 和标准缩放器 (SS).
- 开发并比较了支持向量回归 (SVR) 模型.
主要成果:
- 使用CARS选择的波长的SNV-OSC-StandardScaler-SVR模型实现了最高的精度.
- 获得了0.9673.3的预测确定系数 (Rp2).
- 获得了0.4043的预测平均平方误差和5.533.3的剩余预测偏差.
结论:
- SWIR高光谱成像是一种可行的快速和精确的工具,用于干洗的质量评估.
- 开发的模型显著提高了非破坏性蛋白质分析的准确性.
- 这项技术可以帮助食品行业的质量控制,并促进干洗市场的增长.


