使用近红外光谱 (NIRS) 和机器学习算法快速选玉米中的烟素
Bruna Carbas1,2, Pedro Sampaio1,3,4, Sílvia Cruz Barros1
1National Institute for Agricultural and Veterinary Research (INIAV), I.P., Av. Da República, Quinta do Marquês, 2780-157 Oeiras, Portugal.
Food chemistry: X
|March 31, 2025
概括
近红外 (NIR) 光谱学有效地检测到玉米中的烟素. 结合化学算法,这种快速的,非破坏性的方法通过精确查富蒙尼辛B1和B2来提高食品安全.
科学领域:
- 农业化学 农业化学
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
背景情况:
- 烟素是玉米中发现的真菌毒素,对全球食品安全和经济稳定构成重大风险.
- 准确和快速检测烟素对于减轻这些风险至关重要.
研究的目的:
- 评估近红外 (NIR) 光谱学与检测玉米中烟素素的化学测量算法相结合的有效性.
- 开发和验证富蒙尼辛B1 (FB1) 和富蒙尼辛B2 (FB2) 量化的预测模型.
主要方法:
- 采用近红外 (NIR) 光谱技术从玉米样本中获取光谱数据.
- 化学测量算法,包括部分最小平方 (PLS) 和人工神经网络 (ANN),被用来构建预测模型.
- 模型性能使用相关系数 (R2),预测偏差比率 (RPD) 和根平均平方误差 (RMSE) 进行评估.
主要成果:
- PLS模型显示了强大的校准性能,R2值为0.90 (FB1),0.98 (FB2) 和0.91 (FB1 + FB2),RPD值在2.8-3.6.6之间.
- ANN模型显示出良好的预测准确度,R=0.99和RMSE=131μg/kg用于FB1 + FB2校准,R=0.95,RMSE=656μg/kg用于验证.
- 这两种方法都证实了NIR光谱技术在快速检测富蒙尼辛的潜力.
结论:
- 通过化学测量算法增强的NIR光谱学提供了一种快速而非破坏性的方法来选玉米中的烟素.
- 这种方法为改善农业部门的食品安全监测和质量控制提供了有价值的工具.
