使用超光谱成像和人工智能预测使用oleogel作为缩短替代品的饼干质量
Sungmin Jeong1,2, Jeongin Hwang1, Jongbin Lim3
1Department of Food Science and Biotechnology, Carbohydrate Bioproduct Research Center, Sejong University, Seoul, 05006, Republic of Korea.
Current research in food science
|December 31, 2025
概括
研究人员使用机器学习来预测来自和油的油如何影响饼干质量. 这项研究强调了超光谱成像和人工智能的潜力,以优化用新型脂肪替代品优化制品.
科学领域:
- 食品科学 食品科学 食品科学
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
背景情况:
- 油脂提供了一个有希望的替代品,以传统的缩短在制品.
- 了解不同油脂凝成分对最终产品质量的影响,对于其商业应用至关重要.
- 新型脂肪替代剂需要强大的质量预测方法.
研究的目的:
- 研究36种不同的油脂凝对饼干质量属性的影响.
- 应用机器学习模型来预测基于oleogel属性的cookie特征.
- 为了评估高光谱成像与机器学习相结合的高光谱成像对质量评估的有效性.
主要方法:
- 用各种和植物油制备36种油凝.
- 在饼干配方中将油脂凝作为缩短剂的替代品.
- 超光谱成像的应用用于oleogel的表征.
- 使用机器学习增强模型 (AdaBoost,GBM,XGBoost) 进行预测分析.
- 使用主要组件分析 (PCA) 进行数据聚类.
主要成果:
- 卡纳乌巴油脂增加了化温度和饼干纹理强度.
- 蜂油凝增强了饼干的扩展性,降低了硬度.
- 超光谱成像显示了基于含量而形成的不同类型的油凝.
- 机器学习模型在数据预处理后准确预测了cookie的扩展性和硬度 (R2 > 0.95).
结论:
- 油凝的成分显著影响饼干的质地和可扩展性.
- 超光谱成像为区分油脂凝提供了有价值的数据.
- 集成的高光谱成像和机器学习有效地预测了使用油凝替代的烤好的质量.
- 这种方法有助于开发更健康,更优质的制品.
