用实时一类分类建模来验证食用油的真实性
Min Liu1, Xueyan Wang1, Yong Yang2
1Key Laboratory of Edible Oil Quality and Safety, State Administration for Market Regulation, Key Laboratory of Biology and Genetic Improvement of Oil Crops, Ministry of Agriculture and Rural Affairs, Quality Inspection and Test Center for Oilseed Products, Ministry of Agriculture and Rural Affairs, Oil Crops Research Institute, Chinese Academy of Agricultural Sciences, Wuhan 430062, China.
这项研究引入了一种新的方法来检测伪造的食用油而不需要预测模型. 它使用实时一类分类和模型人口分析来识别污染物,确保食品的真实性.
科学领域:
- 化学测量 化学测量 化学测量
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
背景情况:
- 伪造检测对于食品安全和真实性至关重要.
- 一类分类 (OCC) 模型需要代表性样本,在全球范围内很难获得这些样本.
- 评估OCC模型的样本代表性是一项挑战.
研究的目的:
- 开发一种新的食用油认证方法,可以绕过预先构建预测模型的需求.
- 通过实时OCC建模和模型人口分析,在市场上识别伪造的油.
- 提供一种新的方法来检测高价值食品中的伪造.
主要方法:
- 开发了一种基于实时一类分类 (OCC) 建模和模型人口分析的新身份验证方法.
- 在检查样本的子集上使用蒙特卡洛采样生成了许多OCC模型.
- 该方法通过分析使用真实与混合样本构建的模型的绝对中心余数 (ACR) 来识别造样本.
主要成果:
- 该研究成功地确定了40个梨油样本中的6个是造的.
- 确定的杂物包括大豆油,玉米油和大麻油.
- 通过化学标记物的验证证实了拟议方法在检测伪造方面的有效性.
结论:
- 拟议的方法提供了一种新且有效的方法,用于在没有先前建模的情况下验证食用油的真实性.
- 这种技术在检测各种高价值食品中的伪造方面具有显著的潜力.
- 这项研究验证了ACR在纯样本和伪造样本模型之间存在显著差异的基本理念.
更多相关视频
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
06:19Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
Published on: August 16, 2024
