快速准确地识别和量化Lycium barbarum L.的成分:整合深度学习和NMR进行营养评估
Chengcheng He1, Fengji Liu1, Xin Shi2
1Department of Electronic Science, Fujian Provincial Key Laboratory of Plasma and Magnetic Resonance, Xiamen University, Xiamen 361005, China.
Food research international (Ottawa, Ont.)
|April 23, 2025
概括
一个新的模型准确地识别和量化Lycium barbarum (L. barbarum) 的成分. 由于其营养含量和实用性,建议每天补充L. barbarum纯粉.
科学领域:
- 食品科学 食品科学 食品科学
- 营养分析 营养分析
- 分析化学 分析化学
背景情况:
- barbarum (L. barbarum) 在营养和商业方面受到重视.
- 营养含量因消费方式而异.
- 现有的L. barbarum分析方法可能缺乏速度和准确性.
研究的目的:
- 开发一种快速准确的方法来识别和量化L. barbarum的成分.
- 为了比较L. barbarum在不同消费形式 (新鲜,泥,茶) 的营养特征.
- 为了评估商业L. barbarum纯粉产品的营养含量.
主要方法:
- 集成核磁共振 (NMR) 光谱与多标签一维卷积神经网络 (CNN).
- 开发L. barbarum成分识别和量化 (IQ-LC) 模型.
- 应用IQ-LC模型来分析新鲜的果,泥和茶,并评估十个商业泥品牌.
主要成果:
- 在识别已知的混合物时,IQ-LC模型实现了高精度 (99.74%),真正率 (97.89%),真负率 (99.94%),低RMSE (0.15) 和高R2 (0.96).
- 与新鲜果 (储存问题) 和茶 (营养含量最低) 相比,L. barbarum纯显示出更实用的营养特征.
- 该模型成功量化了商业品牌L. barbarum粉末中的营养成分.
结论:
- IQ-LC模型为L. barbarum成分分析提供了一个新,快速和可靠的工具.
- L. barbarum 清纯是每日饮食补充剂中最推的形式.
- 这项研究推动了深度学习和NMR在食品科学和市场监管中的应用.
