使用红外光谱学和机器学习对杏仁品种的分类
Jaume Béjar-Grimalt1, David Pérez-Guaita1, Ángel Sánchez-Illana1
1Department of Analytical Chemistry, University of Valencia, 46100 Burjassot, Spain.
减弱总反射率-里埃变换红外光谱 (ATR-FTIR) 与机器学习相结合,可以准确地识别杏仁品种. 这种方法为水果分类提供了传统物理化学分析的更快,无实验室替代方案.
科学领域:
- 农业科学 农业科学
- 分析化学 分析化学
- 数据科学数据科学数据科学
背景情况:
- 传统的杏仁品种鉴定依赖于耗时的物理化学分析.
- 开发快速准确的水果分类方法对于农业行业至关重要.
研究的目的:
- 为了研究减弱总反射率-里埃变换红外光谱 (ATR-FTIR) 谱学与机器学习相结合的有效性,用于分类八种杏仁品种.
- 建立ATR-FTIR光谱作为一种可行的,高效的替代品,以传统的方法来验证杏仁的真实性.
主要方法:
- 使用了来自731个杏仁的ATR-FTIR光谱,分为校准 (512) 和测试 (219) 套.
- 应用了三种机器学习模型:部分最小平方差异分析 (PLS-DA),支持向量机 (SVM) 和随机森林 (RF).
- 经过验证的光谱模型与使用物理化学数据构建的参考模型相比.
主要成果:
- 使用ATR-FTIR光谱和机器学习模型,在预测杏仁品种方面取得了97%的准确性.
- 通过PLS-DA回归向量确定了光谱数据和生物化学成分 (糖,有机酸) 之间的强烈相关性.
- 在光谱和物理化学方法之间获得了可比的结果,证实了ATR-FTIR方法的有效性.
结论:
- 与机器学习相结合的ATR-FTIR光谱学为杏仁品种分类提供了高度准确和高效的方法.
- 这种光谱技术为食品行业的快速认证提供了一个有希望的,非破坏性的替代方案.
- 该研究验证了光谱数据分析的潜力,以了解水果的生物化学概况并确保品种完整性.
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
08:08Determination of Self- and Inter-incompatibility Relationships in Apricot Combining Hand-Pollination, Microscopy and Genetic Analyses
Published on: June 16, 2020
相关概念视频
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
IR Frequency Region: Fingerprint Region
Applications of IR Spectroscopy: Overview
IR Spectroscopy: Molecular Vibration Overview
Stretching vibrations are vibrational motions that occur along the bond line, changing the bond length or distance between two bonded atoms. They are further distinguished as symmetric or asymmetric. In symmetric stretching, the...
IR Spectrum Peak Splitting: Symmetric vs Asymmetric Vibrations
