基于自然色素的传统中国粉的形态特征和基于机器学习的高光谱识别
Zhiwei Wan1, Chenghao Zhang1, Xuewen He1
1School of Geography and Environmental Engineering, Gannan Normal University, Ganzhou 341000, China.
Food chemistry
|November 30, 2025
概括
这项研究开发了一个使用机器学习的综合系统来验证天然色素粉的真实性,保护传统的食品遗产. 支持载体机器模型在区分真实粉和改粉方面实现了100%的准确性.
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
- 生物技术是生物技术.
背景情况:
- 天然色素粉是重要的非物质文化遗产,但面临改,侵蚀市场信任.
- 区分天然色素粉和染色商业粉对于真实性和遗产保护至关重要.
研究的目的:
- 开发一个综合识别系统,以区分天然色素的传统粉与商业作物粉.
- 为解决染粉改造成的市场信任危机.
主要方法:
- 组合的形态,色度和高光谱分析.
- 利用机器学习算法 (支持矢量机器,随机森林,人工神经网络) 来处理数据.
- 用于模型性能评估的五倍交叉验证.
主要成果:
- 在不同物种中观察到粉颗粒形态和大小的显著差异.
- 与白色商业粉相比,天然染色的粉呈现出不同的色谱 (紫红色,黄色,棕色).
- 支持矢量机器模型在分类中实现了100%的准确性,超过了其他机器学习模型.
结论:
- 开发的多技术融合系统为粉认证提供了一种非破坏性,高效和实用的解决方案.
- 该系统有效地保护非物质文化遗产食品免受改.
- 该研究强调了综合分析技术和机器学习在食品真实性验证中的潜力.
