通过一个紧的智能气体传感系统,通过双分支卷积神经网络的辅助,对阿弗拉托辛B1进行高精度量化

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 传感器技术 传感器技术

背景情况:

• 菌毒素污染对全球粮食安全构成重大威胁,传统的检测方法缺乏实时能力.
• 有效监测存储的谷物中的真菌生长和真菌毒素存在,对于防止腐烂和确保食品安全至关重要.

研究的目的:

• 开发一个紧的,智能气体传感系统,用于非破坏性,实时检测和量化谷物中的真菌毒素.
• 分析由真菌排放的挥发性有机化合物 (VOC),以识别受感染的谷物和确定阿弗拉托辛B1 (AFB1) 水平.

主要方法:

• 一个智能气体传感系统被设计用于分析由真菌感染的谷物发出的VOCs.
• 使用双分支卷积神经网络 (DB-CNN) 进行深入分析VOC信号特征.
• 该系统已经过验证,用于识别感染*Fusarium graminearum*和*Aspergillus flavus*的谷物,并量化Aflatoxin B1.

主要成果:

• 该系统通过分析真菌VOCs,在识别受感染的谷物 (玉米,花生,小麦,大米) 中实现了100%的准确性.
• 在定量分析中,DB-CNN模型表现出高性能,RMSE = 1.0292 μg/kg,R2 = 0.9994用于AFB1检测.
• 检测过程在4分钟内完成,用于智能手机连接的无线数据传输功能.

结论:

• 开发的智能气体传感系统提供了一种快速,非破坏性和准确的实时检测谷物中的真菌毒素的方法.
• 这项技术为动态监测,早期预警系统和食品供应链质量控制提供了创新的基础.
• 该系统的可移植性和智能手机集成可促进远程监控和数据管理,为粮食安全工作做出了重大贡献.