使用近红外光谱仪对酒的关键参数进行定量检测和真实性验证
Yongshun Wei1, Jinming Liu1, Guiqing Xi1
1College of Information and Electrical Engineering, Heilongjiang Bayi Agricultural University, Daqing 163319, China.
这项研究使用近红外光谱学 (NIRS) 和先进的AI模型,如CNN-LSTM,以准确测量酒中的酒精含量和原始酒度. 该方法还可靠地认证酒类型,确保质量和消费者保护.
科学领域:
- 食品科学与技术 食品科学与技术
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 酒精含量和原始酒度是酒的关键质量参数.
- 准确的检测和认证对于消费者保护和市场监管至关重要.
- 近红外光谱 (NIRS) 提供了一个快速的,非破坏性的分析方法.
研究的目的:
- 开发使用NIRS.的酒酒精含量和原始果汁度的定量检测方法.
- 为不同类型的酒 (工艺酒,工业酒,非发酵酒) 建立真实性验证方法.
- 评估这些应用程序的先进机器学习模型的性能.
主要方法:
- 使用近红外光谱学 (NIRS) 进行定量分析.
- 使用卷积神经网络-长期短期记忆 (CNN-LSTM) 和支持矢量机器回归 (SVR) 的回归模型的开发.
- 使用CNN-LSTM的分类模型与部分最小平方差异分析 (PLS-DA) 结合用于真实性验证.
主要成果:
- CNN-LSTM-SVR在酒精含量 (R2 > 0.99) 和原始 wort 度 (R2 > 0.97) 上取得了高准确度,误差很小.
- 在CNN-LSTM-PLS-DA模型成功地分类酒类型,准确率为100%.
- 提出的方法在校准,验证和独立测试方面表现出色.
结论:
- 与SVR和PLS-DA集成的CNN-LSTM方法为酒质量评估提供了强大而高效的解决方案.
- 这种基于NIRS的技术可以进行快速,非破坏性的分析,适用于工业质量控制.
- 这些发现支持在酒行业加强市场监管和保护消费者权利.
更多相关视频
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
20:12Using MazeSuite and Functional Near Infrared Spectroscopy to Study Learning in Spatial Navigation
Published on: October 8, 2011
相关概念视频
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
UV–Vis Spectroscopy: Beer–Lambert Law
Applications of IR Spectroscopy: Overview
IR Frequency Region: Fingerprint Region
Spectrophotometry: Introduction
The essential components of a spectrophotometer include a source of electromagnetic radiation, a slot for placing a material to be analyzed, and a...
Qualitative Analysis
There are two main approaches to qualitative analysis:...
