通过电子鼻子数据自动检测陈旧牛肉

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 计算机科学 计算机科学

背景情况:

• 准确检测陈旧的牛肉对于消费者保护至关重要.
• 检测腐败的传统方法可能是耗时和主观的.
• 需要新的方法来客观地评估牛肉的新鲜度.

研究的目的:

• 开发和验证一种准确分类陈旧和新鲜牛肉样本的方法.
• 为了比较各种机器学习算法的性能,用于牛肉腐烂检测.
• 建立一个可靠的系统来识别市场上陈旧的牛肉.

主要方法:

• 使用电子鼻子捕获牛肉样本的挥发性有机化合物概况.
• 采用线性差异分析来减少电子鼻子数据的维度.
• 应用机器学习算法,包括极端梯度提升,物流回归,K-最近邻居,随机森林,支持向量机器和神经网络.
• 使用十倍交叉验证,F1分数和AUC值评估模型性能.

主要成果:

• 所有测试的机器学习模型在分类牛肉样本方面都实现了高精度 (≥95%).
• 大多数模型的F1分数和AUC值都超过了0.96.
• 支持矢量机 (SVM) 算法表现出卓越的性能,达到100%的准确性,F1/AUC得分为1.0.
• 根据电子鼻子数据,SVM有效地区分了新鲜牛肉和陈旧牛肉.

结论:

• 电子鼻子技术与机器学习相结合,特别是SVM,为检测陈旧牛肉提供了高度准确和可靠的方法.
• 这种方法为开发高级,客观的食品质量评估工具提供了基础.
• 这些发现为在非破坏性检测肉类腐烂方面开展新型研究铺平了道路.