基于人工智能的Deer Velvet Antler可追溯性模型的研究基于新出现的数据特征
Ke Shen1, Peng Chen2, Xiaoyu Yao1
1College of Pharmacy, Nanjing University of Chinese Medicine, Nanjing, 210023, China.
Talanta
|May 30, 2025
概括
一种新的方法使用多维数据和优化的算法准确识别鹿角 (DVA) 种类. 这提高了有价值的DVA产品的可追溯性和质量控制.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 鹿天角 (DVA) 在营养上有价值,但由于复杂的起源,面临市场改.
- 准确的物种识别对于DVA质量和可追溯性至关重要.
研究的目的:
- 开发一种高效,准确的方法来识别不同种类的DVA.
- 为了提高DVA市场的分类准确性和可追溯性.
主要方法:
- 从四种动物中收集了120个DVA样本:锡卡鹿 (SVA),瓦皮蒂 (WVA),鹿 (RVA) 和老鼠 (MVA).
- 使用计算机视觉,电子鼻子和HPLC提取多维特征 (颜色,纹理,气味,组成).
- 开发了一种基于162个歧视因素的鱼优化算法-随机森林 (WOA-RF) 分类模型.
主要成果:
- 通过多变量统计分析确定了162个关键的歧视因素.
- WOA-RF模型在分类DVA物种方面取得了100%的成功率.
- 从多维特征融合和优化算法中证明了新兴效应.
结论:
- 拟议的智能算法提供了高效的DVA物种识别.
- 这种方法超越了单一技术的局限性,为食品物种识别提供了技术支持.
- 提高宝贵的DVA产品的可追溯性和质量控制.
