多源数据融合用于大豆原产地可追溯性:稳定的同位素,元素组成和挥发性有机化合物
Khushboo Soni1, Russell Frew2, Biniam Kebede3
1Department of Food Science, University of Otago, PO BOX 56, Dunedin 9054, New Zealand.
Food chemistry
|April 30, 2025
概括
数据融合技术显著提高了大豆的可追溯性,这对于满足欧盟森林砍伐法规 (EUDR) 的要求至关重要. 高级融合实现了100%的准确性,确保可持续的采购和打击食品欺诈等问题.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 数据科学数据科学数据科学
背景情况:
- 全球大豆需求翻了一番,增加了食品欺诈,森林砍伐和气候变化的风险.
- 欧盟森林砍伐法规 (EUDR) 规定了可持续大豆采购的高分辨率可追溯性.
- 通过数据融合整合多种分析方法对于准确的来源追踪至关重要.
研究的目的:
- 评估四个数据融合战略对大豆可追溯性的有效性.
- 评估低级,中级主要组件分析-随机森林 (PCA-RF),中级统一多重近似和投影-随机森林 (UMAP-RF) 和高级融合的性能.
- 确定最佳的数据融合方法,以满足监管和可持续性要求.
主要方法:
- 来自巴西六个州的60个大豆样本的分析.
- 利用稳定同位素分析,元素分析和挥发性有机化合物表征.
- 实施并比较了四种不同的数据融合策略:低级,中级PCA-RF,中级UMAP-RF和高级.
主要成果:
- 高级数据融合在测试集上实现了100%的分类准确性.
- 中期UMAP-RF表现出强的性能,分类准确率为99%.
- 数据融合显著提高了追踪大豆来源的准确性.
结论:
- 数据融合是提高大豆可追溯性的强大工具.
- 该研究验证了先进的聚变技术在满足欧盟核电法 (EUDR) 等监管要求方面的有效性.
- 改善可追溯性支持可持续的农业实践,并减轻环境和经济风险.
关键词:
数据融合数据融合森林砍伐 森林砍伐 森林砍伐欧盟反恐与发展委员会 (EUDR) 在地理来源 地理来源豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆可追溯性 可追溯性
