智能手机视频成像与机器学习相结合:用于验证乳清蛋白补充剂的经济有效方法

科学领域:

• 分析化学 分析化学
• 食品科学 食品科学 食品科学
• 机器学习 机器学习

背景情况:

• 越来越多的乳清蛋白补充剂需求需要具有成本效益的质量控制方法.
• 当前的身份验证技术可能昂贵且耗时.
• 确保运动营养产品的真实性对于消费者信任至关重要.

研究的目的:

• 开发一种快速,低成本的方法来验证运动乳清蛋白补充剂的真实性.
• 利用智能手机视频成像 (SVI) 结合机器学习进行质量表征.
• 评估SVI的性能与已建立的技术,如高光谱成像 (HSI) 相比.

主要方法:

• 智能手机视频成像 (SVI) 被采用,使用智能手机屏幕来照亮样本,其相机捕捉颜色变化.
• 视频数据被处理成光谱数据,机器学习模型建立了视频数据和样本特征之间的关系.
• 该方法在各个任务中得到验证,包括品牌识别,脂肪和能量含量量定量,以及 adulterant 检测.

主要成果:

• 在乳清蛋白缩 (WPC) 品牌识别 (0.933) 和伪造物检测 (0.96) 中,SVI取得了高准确度.
• 在量化脂肪含量 (0.897),能量水平 (0.906) 和奶粉改 (0.963) 方面获得了优异的确定系数.
• 性能与高光谱成像 (HSI) 相似,尽管SVI的设备成本明显较低.

结论:

• 智能手机和机器学习的结合提供了一个具有成本效益和实用的初步选工具来确定乳清蛋白补充剂的真实性.
• 在食品供应链中,SVI为快速质量评估提供了一个可行的替代方案.
• 这项技术可以为消费者和制造商提供可访问的产品验证.