使用FT-IR和机器学习快速区分不同的初级加工阿拉比卡咖啡豆
Zelin Li1, Ziqi Gao2, Chao Li1
1Agro-Products Processing Research Institute, Yunnan Academy of Agricultural Sciences, Kunming 650223, China.
福利埃变换红外光谱法 (FT-IR) 与机器学习相结合,通过加工方法有效地区分了阿拉伯咖啡豆. 这种方法确定了不同种类的咖啡豆中与颜色,毛孔大小和保留水分有关的独特特征.
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:
- 初级加工对咖啡豆的特征产生重大影响.
- 需要快速准确的方法来区分咖啡品种.
- 了解结构和化学差异对于质量控制至关重要.
研究的目的:
- 开发和验证一种快速分析方法,用于区分三个初级加工的阿拉伯咖啡豆.
- 将FT-IR光谱和机器学习与其他分析技术的有效性进行比较.
- 确定咖啡豆加工差异化的关键分析标记.
主要方法:
- 福里埃变换红外 (FT-IR) 光谱学与机器学习算法相结合.
- 测色仪,低场核磁共振 (NMR) 光谱,扫描电子显微镜 (SEM) 和二维相关性光谱 (2D-COS).
- 多变量统计分析,包括正交部分最小平方差分分析 (OPLS-DA).
主要成果:
- 暴露在阳光下的加工豆 (SPB) 显示出更高的颜色差异和更大的孔隙尺寸.
- 湿加工豆 (WPB) 保留了更多的结合和固定水.
- 通过2D-COS,FT-IR显示了类似的功能组,但具有不同的结构特征.
- OPLS-DA有效地区分了咖啡豆类型.
- 机器学习模型,特别是SNV-Voting,在分类中实现了高精度 (88.67%的精度,回忆,F1得分).
结论:
- 综合的FT-IR和机器学习方法提供了一种快速有效的方法来区分初级加工的阿拉伯咖啡豆.
- 特定的物理和化学特性与不同的加工方法相关.
- 这种方法在咖啡行业具有质量评估和认证的潜力.
更多相关视频
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
相关概念视频
IR Frequency Region: Fingerprint Region
IR Spectrometers
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
Applications of IR Spectroscopy: Overview
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
