Boletus bainiugan的指纹:FT-NIR光谱学与机器学习相结合,为存储期识别提供了一个新的工作流程
Guangmei Deng1, Honggao Liu2, Jieqing Li3
1College of Agronomy and Biotechnology, Yunnan Agricultural University, Kunming, 650201, China; Medicinal Plants Research Institute, Yunnan Academy of Agricultural Sciences, Kunming, 650200, China.
Food microbiology
|March 14, 2025
概括
这项研究使用HPLC和FT-NIR光谱学与机器学习来分析Boletus bainiugan的储存. 它准确地确定了的年龄,确保了供应链中的食品安全和真实性.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 机器学习 机器学习
背景情况:
- 食品的真实性和安全性是社区关心的关键问题.
- 基于年龄的Porcini (Boletus bainiugan) 的错误标签会给消费者带来风险.
- 需要对存时间进行客观评估.
研究的目的:
- 为了分析存储了0,1和2年的Boletus bainiugan的核酸含量和光谱.
- 开发机器学习模型来识别的储存时间.
- 为供应链中实时存储确定提供实用解决方案.
主要方法:
- 使用了高性能液态色谱 (HPLC) 和富里叶变换近红外 (FT-NIR) 光谱.
- 在储存过程中分析瓜诺,腺和尿素含量.
- 机器学习模型的应用,包括CNN,BPNN,DD-SIMCA和PLSR.
主要成果:
- 核酸水平 (关素,腺素,尿素) 随着储存时间的推移而有预测性的变化.
- CNN和BPNN模型在识别存储时间方面表现出卓越的表现.
- DD-SIMCA有效地区分了新样本和旧样本;PLSR准确地预测了核酸 (R2=0.918,RPD=3.492).
结论:
- 集成的HPLC-FT-NIR和机器学习方法可靠地确定Boletus bainiugan的储存时间.
- 这种方法为市场应用提供了低成本,用户友好的解决方案.
- 通过防止年龄的误导,确保食品安全和真实性.
更多相关视频
11:14Rapid High-throughput Species Identification of Botanical Material Using Direct Analysis in Real Time High Resolution Mass Spectrometry
Published on: October 2, 2016
11.5K
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
1.9K
