将多谱成像与色度传感器阵列集成,用于快速分级和预测江芳香的挥发性成分
Zhihua Li1, Yi An1, Xiaowei Huang1
1Agricultural Product Processing and Storage Lab, School of Food and Biological Engineering, Jiangsu University, Zhenjiang, Jiangsu 212013, China.
Food chemistry
|May 21, 2025
概括
这项研究将多谱成像 (MSI) 与色度传感器阵列 (CSA) 集成在一起,以分类江芳香 (ZAV) 等级并预测挥发性成分. 开发的方法为发酵产品提供了快速,非破坏性的质量评估.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 江芳香 (ZAV) 等发酵产品的传统质量评估可能耗时且具有破坏性.
- 需要客观和快速的方法来评估ZAV等级和关键的挥发性成分.
- 色度变化与挥发性化合物有关,为非破坏性分析提供了潜力.
研究的目的:
- 开发一种新的,快速的,非破坏性的方法来对ZAV等级进行分类.
- 使用集成成像技术预测ZAV中关键的挥发性成分.
- 建立一个强大的分析框架来控制发酵产品的质量.
主要方法:
- 多光谱成像 (MSI) 与色度传感器阵列 (CSA) 的集成.
- 从CSA获取多个光谱带 (400-850nm,6500K) 的灰度数据.
- 开发和比较线性 (PLS-DA,LDA,KN) 和非线性 (CART,SVM,BPANN) 分类模型,与SVR和BPANN一起进行定量分析.
主要成果:
- 逆向传播人工神经网络 (BPANN) 模型在训练中实现了100%的准确性,并在ZAV等级分类的预测中达到97.78%.
- 对于乙酸 (R=0.9533) 和n-hexanol (R=0.8741),BPANN显示出优异的预测性能.
- 综合的MSI-CSA方法有效地模拟了波动驱动的色度变化.
结论:
- 多光谱成像与色度传感器阵列相结合,为非破坏性的ZAV质量评估提供了一个有效的平台.
- 这种方法可以准确地分类ZAV等级,并预测关键的挥发性化合物.
- 这些发现支持这种综合技术的应用,用于精确评估发酵产品的质量.
