中国和阿根廷之间的牛肉可追溯性基于各种机器学习模型
Xiaomeng Xiang1,2, Chaomin Zhao2,3, Runhe Zhang2,3
1Research Institute for Doping Control, Shanghai University of Sport, Shanghai 200438, China.
Molecules (Basel, Switzerland)
|February 26, 2025
概括
准确的牛肉起源预测现在可以使用元素分析和稳定的同位素. 机器学习模型,特别是PLS-DA,在追踪牛肉来源方面取得了很高的准确性,确保了食品安全和质量.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 消费者对高品质牛肉的需求需要可靠的原产地追踪.
- 目前的牛肉来源识别方法需要提高准确性和效率.
- 生产地区对牛肉的营养价值和质量产生重大影响.
研究的目的:
- 开发一个可靠的分类模型来预测牛肉的来源.
- 分析元素含量和稳定同位素以确定原产地.
- 为了比较不同机器学习算法的牛肉可追溯性性能.
主要方法:
- 使用ICP-MS和ICP-OES对52个元素进行元素分析.
- 通过EA-IRMS确定稳定的碳同位素比率.
- 机器学习模型的构建和评估,包括PLS-DA,CNN和随机森林.
主要成果:
- PLS-DA模型实现了98.8%的分类准确率和94.12%的预测准确率.
- 确定了关键元素 (Fe, Cs, As, Co, V, Sc, Rb, Ru) 和 δ13C 对于起源预测至关重要.
- PLS-DA模型表现出优异的性能,R2为0.924和Q2为0.787.
结论:
- 将元素和稳定同位素分析与机器学习相结合,可以有效地追踪牛肉的来源.
- 开发的模型提高了食品安全,并满足消费者对经过验证的牛肉来源的需求.
- 这种方法提供了一种可靠的方法来区分不同生产地区的牛肉.
