导离心诱导的牛奶脂肪球体的分子重塑:基于深度学习检测牛奶伪造的洞察力
Grzegorz Gwardys1, Grzegorz Grodkowski2, Piotr Kostusiak2
1Promity sp. z o.o., ul. Wiejska 14/25, 00-490 Warsaw, Poland.
International journal of molecular sciences
|December 30, 2025
概括
牛奶的离心造很难被检测出来. 深度学习模型准确地识别了牛奶微观结构中的微观分子变化,达到97%的准确性,与人类专家不同.
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
- 人工智能在诊断中的应用
背景情况:
- 牛奶通过离心改造的人工降低体细胞计数 (SCC),掩盖亚临床乳腺炎并损害食品的真实性.
- 传统方法缺乏灵敏度来检测微妙的,离心诱导的牛奶微观结构的物理化学变化.
- 需要基于数据的分子级诊断来确保牛奶的完整性.
研究的目的:
- 应用先进的机器学习 (ML) 和深度学习 (DL) 来识别离心引发的生牛奶微观结构的变化.
- 评估各种DL架构在检测暗示伪造的微妙分子线索方面的有效性.
- 建立人工智能驱动的光学显微镜作为食品完整性诊断的工具.
主要方法:
- 从128个配对的原牛奶样本 (未经加工和离心) 获取约25,000张明亮场微图.
- 使用各种DL架构分析微图,包括卷积神经网络 (ResNet,Inception,Xception) 和混合注意力模型 (MaxViT,CoAtNet).
- 使用每样品五次微图 (HAR5) 召回的和平均值进行性能评估,与人类专家的准确性相比较.
主要成果:
- 深度学习模型达到高达97%的准确性 (HAR5,Xception),显著超过人类专家 (18%的准确性).
- DL模型确定了与素微粒和固体非脂肪分数重组相关的纳米尺度变化,而不是MFG边界.
- 研究结果表明,离心伪造涉及分子重组,而不是简单的形态变化.
结论:
- 深度学习与光学显微镜相结合,提供了一种精确而客观的方法来检测牛奶离心造假.
- 人工智能驱动的分子分析可以克服食品欺诈检测传统技术的局限性.
- 这种方法增强了食品完整性诊断,并保护了公共卫生.
