一种基于SERS和机器学习技术的联合应用的快速葡萄酒品牌识别方法
Haoran Meng1, Danheng Gao2, Qihan Zhang2
1Key Laboratory of In-Fiber Integrated Optics, Ministry of Education, College of Science, Harbin Engineering University, Harbin 150001, China; State Key Laboratory of Advanced Manufacturing for Optical Systems, Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China.
本研究介绍了一种快速而准确的方法,用于使用表面增强拉曼散射 (SERS) 光谱和机器学习来识别红葡萄酒品牌. 这种创新方法在几秒钟内达到99%以上的准确性,有助于葡萄酒的真实性和质量控制.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 准确的葡萄酒品牌识别对于真实性和质量控制至关重要.
- 传统的方法可能会耗时或破坏性.
- 表面增强拉曼散射 (SERS) 为分子检测提供了高灵敏度.
研究的目的:
- 开发一种快速,非破坏性的红葡萄酒品牌识别方法.
- 将SERS光谱与机器学习相结合,以提高精度.
- 为了实现实践应用的实时分析.
主要方法:
- 利用表面增强的拉曼散射 (SERS) 光谱来捕获红葡萄酒的分子特征.
- 应用主要组件分析 (PCA) 用于光谱预处理.
- 使用卷积神经网络 (CNN) 来进行特征提取和分类.
主要成果:
- 在18个红葡萄酒品牌中达到99.27%的最大分类准确率.
- 实时识别在每样品不到3秒的时间内.
- 在来自不同来源的葡萄酒 (中国,智利,意大利) 的1080光谱上验证了该方法.
结论:
- SERS-CNN方法为红葡萄酒品牌识别提供了一个高度准确和高效的解决方案.
- 这种非破坏性技术是便携式的,适合各种应用.
- 葡萄酒品牌保护,质量监测和消费市场的巨大潜力.
更多相关视频
06:19Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
Published on: August 16, 2024
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
相关概念视频
Methods of Classification and Identification
Chromatographic Methods: Classification
Chromatographic techniques are typically named by...
