有效的基于纸张的细菌污染的色度检测在蔬菜使用指示剂和机器学习的染料和机器学习

科学领域:

• 食品科学与技术 食品科学与技术
• 分析化学是一种分析化学.
• 生物感应是一种生物感应.

背景情况:

• 食物中的细菌污染和腐败对供应链构成重大挑战,造成浪费和经济损失.
• 蔬菜特别容易受到微生物污染,这是由于农业和分销做法.
• 目前的检测方法可能耗时,昂贵或破坏性,需要创新的解决方案.

研究的目的:

• 开发一种简单,具有成本效益,非破坏性和非接触的方法,用于实时检测食品中的细菌.
• 使用pH敏感染料制造纸质传感器,用于检测细菌挥发性有机化合物 (VOC).
• 为了使食品中细菌污染和腐败的自动区分和估计.

主要方法:

• 使用pH值敏感的指示染料制造纸质传感器.
• 传感器暴露于细菌菌株发出的挥发性有机化合物 (VOC).
• 对传感器响应进行色度分析,将颜色变化数字化为RGB值.
• 应用随机森林分类器来自动检测和分类受污染的样本.

主要成果:

• 传感器在接触细菌VOC时显示出明显的颜色变化,这与pH值的变化有关.
• 该系统成功检测到蔬菜样本中的细菌污染.
• 这种方法使得能够估计相关的食物腐烂.
• 数字化RGB值与随机森林分类器相结合,实现了对受污染样本的准确区分.

结论:

• 开发的基于纸张的色度测量传感器为食品供应链中的实时自动细菌检测提供了一种可行的方法.
• 这种方法为食品安全监测提供了具有成本效益,可访问性和高通量解决方案.
• 传感器的非破坏性和非接触性保护了样品的完整性.