一项关于快速定性和定量确定橄油改的比较研究

科学领域:

• 分析化学 分析化学
• 食品科学 食品科学 食品科学
• 频谱测量是一种光谱测量.

背景情况:

• 橄油的真实性是全球生产者,消费者和监管机构的关键问题.
• 橄油的改带来了重大的经济和健康风险.
• 现有的检测橄油改的方法可能耗时或缺乏准确性.

研究的目的:

• 开发一种快速,高效和准确的方法来识别和量化橄油改.
• 为了比较橄油分析的不同化学测量模型的性能.
• 为了验证流量注射质谱 (FIMS) 指纹与机器学习相结合的有效性.

主要方法:

• 利用流量注射质谱 (FIMS) 指纹识别来生成橄油样本的化学配置文件.
• 应用支持向量机 (SVM) 和部分最小平方 (PLS) 分类和回归模型用于数据分析.
• 进行了全面的比较分析,以评估模型在改检测和量化方面的性能.

主要成果:

• SVM分类模型表现出比PLS-DA更高的性能,实现了更高的准确性,灵敏度,特异性和预测值,用于识别伪造样本.
• 支持向量回归 (SVR) 模型在量化改方面表现优于部分最小平方回归 (PLSR),这是通过更高的确定系数和更低的根平均平方误差所表明的.
• 与SVM相结合的FIMS指纹方法为橄油改的定性和定量分析提供了可靠和准确的结果.

结论:

• 与SVM相结合的FIMS指纹检测为快速可靠地检测和量化橄油改提供了一个有效的策略.
• 这种综合方法为橄油行业的质量控制和监管执法提供了一个强大的工具.
• 该研究强调了先进的分析技术和化学测量的潜力,以保障食品的真实性.