利用傅里叶变换红外光谱(FTIR)指纹技术结合先进的机器学习技术对桃胶进行来源鉴定

《Journal of Food Measurement and Characterization》:Origin authentication of peach gum using FTIR spectroscopic fingerprinting coupled with advanced machine learning techniques

【字体: 大 中 小 】 时间:2026年06月07日 来源:Journal of Food Measurement and Characterization 3.3

编辑推荐:

  摘要桃胶的地理来源对其在食品、制药和工业领域的应用有着重要影响,但由于形态上的相似性,准确分类仍然具有挑战性。本研究提出了一种混合方法,将傅里叶变换红外(FTIR)光谱技术与机器学习(ML)相结合,以区分来自中国五个不同省份的桃胶。特征选择采用了随机蛙(RDF)、粒子群优化(PS

  

摘要

桃胶的地理来源对其在食品、制药和工业领域的应用有着重要影响,但由于形态上的相似性,准确分类仍然具有挑战性。本研究提出了一种混合方法,将傅里叶变换红外(FTIR)光谱技术与机器学习(ML)相结合,以区分来自中国五个不同省份的桃胶。特征选择采用了随机蛙(RDF)、粒子群优化(PSO)和常春藤优化(IVY)算法,其中PSO和IVY还用于超参数调整。分类模型通过支持向量机(SVM)、随机森林(RF)和K近邻(KNN)方法构建。Shapley加性解释(SHAP)技术确定了用于区分来源的关键光谱带(500–1800 cm?1),从而提高了计算效率。结果表明,结合PSO-SG-1st和IVY-SG-2nd的SVM在全光谱建模(4000–400 cm?1范围内表现出良好的分类性能,而使用RDF-SG-2nd-IVY特征选择的KNN模型在非全光谱建模中取得了最佳效果。对全光谱KNN模型的SHAP分析显示,样本来源区分的主要信息集中在指纹区域(400–1800 cm?1)。此外,对特征提取后的KNN模型进行的SHAP分析表明,前30个关键变量有效保留了主要的区分信息。RDF-SG-2nd-IVY-KNN模型在优化的非全光谱范围(500–1800 cm?1)内表现出色,其性能相比全光谱模型提高了28.41%。这些结果表明,FTIR光谱技术与机器学习的结合提供了一种快速、无损且有效的分析方法,可用于识别桃胶的来源。

桃胶的地理来源对其在食品、制药和工业领域的应用有着重要影响,但由于形态上的相似性,准确分类仍然具有挑战性。本研究提出了一种混合方法,将傅里叶变换红外(FTIR)光谱技术与机器学习(ML)相结合,以区分来自中国五个不同省份的桃胶。特征选择采用了随机蛙(RDF)、粒子群优化(PSO)和常春藤优化(IVY)算法,其中PSO和IVY还用于超参数调整。分类模型通过支持向量机(SVM)、随机森林(RF)和K近邻(KNN)方法构建。Shapley加性解释(SHAP)技术确定了用于区分来源的关键光谱带(500–1800 cm?1),从而提高了计算效率。结果表明,结合PSO-SG-1st和IVY-SG-2nd的SVM在全光谱建模(4000–400 cm?1范围内表现出良好的分类性能,而使用RDF-SG-2nd-IVY特征选择的KNN模型在非全光谱建模中取得了最佳效果。对全光谱KNN模型的SHAP分析显示,样本来源区分的主要信息集中在指纹区域(400–1800 cm?1)。此外,对特征提取后的KNN模型进行的SHAP分析表明,前30个关键变量有效保留了主要的区分信息。RDF-SG-2nd-IVY-KNN模型在优化的非全光谱范围(500–1800 cm?1)内表现出色,其性能相比全光谱模型提高了28.41%。这些结果表明,FTIR光谱技术与机器学习的结合提供了一种快速、无损且有效的分析方法,可用于识别桃胶的来源。

相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号