对食用油成分的歧视性研究是通过斜射反射率差异进行的
Shanzhe Zhang1, Hao Yang2, Yiran Hu1
1School of Computer Science and Artificial Intelligence, Beijing Technology and Business University, Beijing 100048, China; Beijing Key Laboratory of Big Data Technology for Food Safety,Beijing Technology and Business University, Beijing 100048, China.
分析可食用油的成分,如烯酸,对于消费者安全至关重要. 斜发射反射率差 (OIRD) 与深度学习相结合,特别是时间序列变压器 (TST) 模型,在识别这些脂肪酸方面显示出高精度.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 机器学习 机器学习
背景情况:
- 食用油是必不可少的饮食成分,需要准确的分析,以保护消费者和质量保证.
- 识别特定的脂肪酸,如酸,油酸和α-酸,对于营养和经济评估至关重要.
- 传统的分析方法可能需要改进,以快速准确地识别食用油中的成分.
研究的目的:
- 评估斜发射反射率差异 (OIRD) 的有效性,以识别主要食用油成分.
- 应用和比较八个深度学习算法来分析OIRD检测数据.
- 确定最佳的深度学习模型,用于准确的食用油成分分析.
主要方法:
- 倾斜发射反射率差异 (OIRD) 光谱法用于检测食用油成分.
- 用八种不同的深度学习算法来处理和解释OIRD数据.
- 包括精度,回忆和F1分数在内的性能指标被用来评估模型的准确性.
主要成果:
- 所有测试的深度学习模型都在识别油酸方面表现出高准确度.
- 时间序列变压器 (TST) 模型在所有分析的脂肪酸中获得了最高的F1分数:酸,油酸和α-酸.
- 与深度学习相结合,OIRD在识别食用油成分方面被证明是有效的.
结论:
- 斜发射反射率差异 (OIRD) 显示了食用油成分识别的巨大潜力.
- 深度学习算法,特别是时间序列变压器 (TST),增强了OIRD的分析能力.
- 这种综合方法为确保食用油的质量和安全提供了一个有希望的方法.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
10:14Chromatographic Fingerprinting by Template Matching for Data Collected by Comprehensive Two-Dimensional Gas Chromatography
Published on: September 2, 2020
相关概念视频
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
IR Frequency Region: Fingerprint Region
IR and UV–Vis Spectroscopy of Carboxylic Acids
However, the stretching absorptions for the C=O bond vary depending on the structure of carboxylic acids. The C=O bond of the free carboxylic acids shows a higher stretching frequency, 1760 cm−1, while H-bonded carboxylic acids (dimers) exhibit stretching absorptions at a lower frequency,...
