使用多变量,机器学习和深度学习模型的H NMR光谱学对食用油和造混合物中的芝麻油进行分类和量化
Hyeona Lim1, Hyojin Cho1, Jin Young Kim1
1Department of Chemistry, Chung-Ang University, Seoul 06974, South Korea.
Food chemistry
|August 24, 2025
概括
人工智能模型使用1H NMR光谱数据准确检测和量化麻油. 深度学习模型在识别和测量混合物的芝麻油含量方面表现出卓越的表现.
科学领域:
- 分析化学
- 食品科学
- 人工智能
背景情况:
- 芝麻油与更便宜的油的改是一个重大问题.
- 准确的认证和量化方法对于质量控制至关重要.
研究的目的:
- 评估基于人工智能的食用油分类模型.
- 使用1H NMR光谱数据量化杂混合物的芝麻油含量.
主要方法:
- 使用质子核磁共振 (1H NMR) 光谱.
- 包括PCA-LDA,SVM和1D-CNN在内的人工智能 (AI) 模型被用于分类和回归.
- 部分最小平方回归 (PLSR) 和支持向量回归 (SVR) 用于比较.
主要成果:
- 所有分类模型 (PCA-LDA,SVM,1D-CNN) 的准确性达到了100%.
- 在1D-CNN模型中,油量化的回归性能优异 (RMSEP=1.03,R2=0.999).
- 1D-CNN模型准确地预测了外部测试样本的芝麻油含量在2%的误差范围内.
结论:
- 人工智能模型,特别是1D-CNN,显示了可靠的芝麻油改检测和定量化的高潜力.
- 可以解释的深度学习与NMR光谱学相结合,为食用油分析提供了强大的解决方案.
- 这种方法确保了食品的真实性和消费者保护.
更多相关视频
10:24Author Spotlight: Quantification of Aflatoxins and Phytoalexins in Peanut Seeds to Identify Genetic Resistance Against Aspergillus
Published on: April 19, 2024
1.3K
08:54NMR Spectroscopy as a Robust Tool for the Rapid Evaluation of the Lipid Profile of Fish Oil Supplements
Published on: May 1, 2017
26.3K
