使用与NIR相结合的提升算法量化牛奶杂质的预测框架
Naveen G Jesubalan1, Hemlata Chhabra2, Anurag S Rathore1,2
1School of Interdisciplinary Research, Indian Institute of Technology, Delhi, India.
Journal of food science
|March 10, 2026
概括
这项研究引入了一种新的软传感器,使用近红外 (NIR) 光谱和化学测量来实时检测像尿素和糖这样的常见牛奶造物质. 开发的传感器提供了一种快速,非破坏性和可靠的方法来加强食品安全监测.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 频谱学是一种光谱学.
背景情况:
- 牛奶造是一个关键的全球食品安全问题,影响了数十亿人.
- 准确和快速检测伪造剂对于公共卫生至关重要.
研究的目的:
- 开发一个软传感器,实时量化常见的牛奶染剂.
- 将近红外 (NIR) 光谱与先进的化学测量技术相结合,以加强检测.
主要方法:
- 使用近红外 (NIR) 光谱学与化学测量框架相结合.
- 采用直角局部最小平方 (OPLS) 和XGBoost算法进行预测建模.
- 实施K-means随机集群用于实验试验组织.
主要成果:
- 软传感器实现了尿素,硫酸,糖和过氧化的高预测性能.
- 对于所有测试的伪造剂,已证明出色的相关系数 (CV-R2 > 0.94) 和R2值 (> 0.95).
- 提供了准确的实时量化,平均错误率低于10%.
结论:
- 开发的NIR-化学测量软传感器是一种快速,非破坏性和可靠的工具,用于检测多种牛奶造物.
- 这项技术在改善实时食品安全监测系统方面具有重大潜力.
- 该研究强调了将光谱学与先进的机器学习相结合用于食品分析的有效性.
