使用氨酸信号放大和基于智能手机的云机器学习,快速视觉验证高温的达库·拜济乌

科学领域:

• 分析化学 分析化学
• 食品科学 食品科学 食品科学
• 传感器技术 传感器技术

背景情况:

• 高温达库白因其味道而受到重视,但低品质产品的改是令人担忧的.
• 现有的检测方法可能缺乏可移植性和快速分析能力,用于现场验证.

研究的目的:

• 开发一个便携式的,多通道的视觉传感器阵列,用于验证高温的Daqu Baijiu.
• 调查金属氨酸伪氧化酶活性用于检测伪造的使用.
• 建立一个快速的,无仪器的 Baijiu 质量控制方法.

主要方法:

• 设计了一个多通道视觉传感器阵列,利用金属氨酸伪氧化酶活性.
• 分析了传感器阵列对3,3',5,5'-四甲丁 (TMB) 颜色变化的反应.
• 机器学习算法,包括随机森林 (RF) 和DD-SIMCA,用于数据分析和模型开发.
• 开发了一个智能手机应用程序,用于外部验证检测方法.

主要成果:

• 传感器阵列有效地抑制了金属氨酸伪氧化酶活性,导致明显的TMB颜色变化.
• 综合色度传感器阵列和射频算法显著提高了Baijiu分类的准确性.
• 该DD-SIMCA模型在识别伪造时达到99%以上的准确性.
• 智能手机应用程序在外部方法验证中显示了超过96.83%的识别准确度.
• 随机森林回归分析确定了pyrazines,aldehydes和ketones作为Baijiu风味和分类的关键贡献者.

结论:

• 开发的视觉传感器阵列为快速,便携式,无仪器身份验证高温达库白提供了有前途的基础.
• 该研究强调了基于金属胺的传感器和机器学习在食品质量控制方面的潜力.
• 了解特定风味化合物的贡献,提高了对Baijiu的分类和认证的能力.