地化学指纹和机器学习用于验证泡葡萄酒来源的真实性

科学领域:

• 地质化学 地质化学
• 食品科学 食品科学 食品科学
• 机器学习 机器学习

背景情况:

• 全球葡萄酒市场,特别是高价值的泡葡萄酒,遭受了大量的假冒.
• 供应链跟踪和地理标志等现有的认证方法不足以应对复杂的葡萄酒欺诈行为.
• 假冒葡萄酒给消费者带来了巨大的经济风险和潜在的健康危害.

研究的目的:

• 开发和验证一个可扩展的地化学指纹框架,用于验证泡葡萄酒的来源.
• 评估同位素和元素分析与机器学习相结合的有效性,以验证葡萄酒的真实性.
• 确定成本有效的分析方法,以便在葡萄酒欺诈检测中得到广泛采用.

主要方法:

• 利用同位素分析 (,Sr) 和元素分析 (,Rb) 的组合.
• 应用先进的机器学习算法用于葡萄酒来源的分类.
• 分析了来自不同地理区域 (香和勃第) 的75个法国起泡葡萄酒样本.

主要成果:

• 在使用同位素比率 (⁸⁷Sr/⁸⁶Sr) 识别葡萄酒来源时实现了100%的分类准确性.
• 确定了 (Rb) 度作为一个具有成本效益的标记物,将分析费用降低了75%.
• 使用基于卢比的方法保持了90%以上的准确性,证明了其实际可行性.

结论:

• 地化学指纹,特别是使用同位素,提供了一个非常准确的方法,用于泡葡萄酒的认证.
• 鲁比分析为打击葡萄酒欺诈提供了一个可行的,具有成本效益的替代方案,使先进的认证更容易获得.
• 开发的框架提供了一个可扩展的解决方案,以保护葡萄酒市场的完整性和消费者健康.