智能传感技术,NIR光谱和化学测量与基于多源数据融合的机器学习相结合,用于在不同处理度的Sinapis精液的全面评估

科学领域:

• 食品科学 食品科学 食品科学
• 传统中国医药 传统中国医药
• 分析化学 分析化学

背景情况:

• 烤度和Sinapis精液的感官特征之间的关系还没有被清楚地定义.
• 对于标准化生产来说,Sinapis精液加工的客观分类至关重要.

研究的目的:

• 开发一种多指数评估方法来分类Sinapis精液加工度.
• 客观地描述原始和的Sinapis精液的感觉和化学特征.
• 使用机器学习建立歧视性模型.

主要方法:

• 收集的感官数据 (颜色,气味,味道,质量) 和Sinapis精液的化学分析.
• 使用智能传感技术和近红外光谱 (NIRS).
• 开发和比较机器学习模型,包括TabTransformer和多层感知器 (MLP).

主要成果:

• 炸降低了颜色亮度,增加了挥发性硫化物和芳香化合物.
• 度,度和酸度的味道差异与类化合物和多相相关.
• 使用NIRS数据实现了TabTransformer96.92%的准确性;合并的数据模型达到100% (TabTransformer) 和98.33% (MLP).

结论:

• 成功开发了不同加工度的Sinapis精液的歧视模型.
• 这项研究为标准化生产Sinapis精液提供了宝贵的参考资料.
• 在其他传统药物中为流程优化提供了一种新的方法.