手持NIR光谱与混合LDA-SVM模型相结合,用于零售牛奶的快速分类
Francesco Maria Tangorra1, Annalaura Lopez1, Elena Ighina1
1Department of Veterinary Medicine and Animal Sciences (DIVAS), Università degli Studi di Milano, Via dell'Università 6, 26900 Lodi, Italy.
Foods (Basel, Switzerland)
|November 27, 2024
概括
近红外光谱 (NIR) 有效地验证牛奶类型的真实性,将高质量的新鲜牛奶和TSG干草牛奶与其他牛奶区分开来. 这种便携式技术可以实时,经济有效地检测零售的牛奶欺诈行为.
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:
- 牛奶的真实性在欧盟市场至关重要,因为产品类型多样化和欺诈潜力.
- 传统的牛奶分析方法可能耗时或破坏性.
- 近红外 (NIR) 光谱为食品分析提供了一个快速,非破坏性的替代方案.
研究的目的:
- 评估一个小型的NIR设备,用于验证四种不同的商业牛奶类型的真实性.
- 评估支持矢量机 (SVM) 算法和线性差异分析 (LDA) 对于牛奶分类的有效性.
- 确定便携式NIR光谱技术在实时牛奶认证方面的潜力.
主要方法:
- 使用小型近红外 (NIR) 光谱仪器.
- 使用的支持矢量机 (SVM) 分类算法.
- 应用线性差异分析 (LDA) 用于特征选择.
- 测试了高质量的新鲜牛奶,山产品牛奶,延长保质期的牛奶和TSG花粉牛奶之间的歧视.
主要成果:
- 通过NIR光谱,成功地根据生产系统和热处理 (巴氏杀菌) 来分类牛奶.
- 在区分高质量的山地和TSG花粉牛奶与其他类型方面,获得了更高的准确性.
- 延长保质期的牛奶的分类准确性不那么成功.
- 该研究证明了NIR在根据加工和原产地区分牛奶类型方面的潜力.
结论:
- 便携式NIR光谱,结合SVM和LDA,是有效的牛奶认证.
- 这项技术显示出在零售层面实时,成本效益高的乳品欺诈检测有前途.
- 进一步精制可能会提高某些牛奶类型的分类准确性,例如延长保质期的牛奶.
