中国小 (Eriocheir sinensis) 的起源可追溯性使用多稳定同位素和可解释的机器学习
Danhe Wang1,2, Chunxia Yao1,2, Yangyang Lu1,2
1The Institute of Agro-Food Standards and Testing Technology, Shanghai Academy of Agricultural Sciences, Shanghai 201403, China.
Foods (Basel, Switzerland)
|July 29, 2025
概括
在中国手套行业的原产地欺诈问题是通过一种新的可追溯性方法解决的. 稳定同位素分析与可解释的机器学习相结合,可以准确识别的起源,提高食品安全.
科学领域:
- 食品科学 食品科学 食品科学
- 环境科学 环境科学
- 分析化学 分析化学
背景情况:
- 由于原产地欺诈,中国小 (Eriocheir sinensis) 产业面临着重大挑战.
- 现有的可追溯性方法缺乏准确性和解释性,阻碍了可靠的原产地验证.
研究的目的:
- 开发一个高精度的原产地可追溯方法,用于中国手套.
- 将稳定同位素分析与可解释的机器学习相结合,以提高原产地歧视.
主要方法:
- 稳定同位素分析 (δ13C, δ15N, δ2H, δ18O) 对来自六个不同来源的进行.
- 分析了来自不同性别和组织 (肝,肌肉,性腺) 的数据.
- 机器学习模型 (随机森林,XGBoost,物流回归) 用于分类性能,与SHAP分析用于可解释性进行了比较.
主要成果:
- 随机森林模型在区分起源方面实现了91.3%的准确性.
- 在SHAP分析中,男性肌肉中确定了δ2H,女性肝中确定了δ15N,女性肝中确定了δ13C作为关键的区分特征.
- 环境因素,如水源,饮食和热量水平显著影响同位素特征.
结论:
- 该研究提出了一个基于机器学习的新,可解释的稳定同位素可追溯性范式.
- 这种方法显著提高了中国小原产地可追溯性的识别能力和可靠性.
- 这些发现对确保食品安全和打击海鲜行业的原产地欺诈有重大影响.
更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
6.9K
07:12Author Spotlight: Quantification of Complex Lipidomic Samples Using Stable Isotope Labeling
Published on: August 23, 2024
1.5K
