Быстрое обнаружение фенхелевого происхождения ближайшего

Том 12 научных докладов, номер статьи: 13593 (2022 г.) Цитировать эту статью

970 Доступов

3 цитаты

3 Альтметрика

Подробности о метриках

Фенхель содержит множество антиоксидантных и антибактериальных веществ и имеет очень важное применение в пищевых ароматизаторах и других областях. Виды и содержание химических веществ в фенхеле варьируются от региона к региону, что может повлиять на вкус и эффективность фенхеля и его производных. Поэтому очень важно точно классифицировать происхождение фенхеля. Недавно методы обнаружения происхождения, основанные на глубоких сетях, показали многообещающие результаты. Однако существующие методы требуют относительно больших затрат времени, что является фатальным для больших объемов данных в сценариях практического применения. Чтобы преодолеть это ограничение, мы исследуем метод обнаружения источника, который гарантирует более быстрое обнаружение с точностью классификации. Это исследование является первым, в котором используется алгоритм машинного обучения в сочетании с спектроскопией с преобразованием Фурье в ближнем инфракрасном диапазоне (FT-NIR) для классификации и идентификации происхождения фенхеля. В этом эксперименте мы использовали коррекцию базовой линии Rubberband для спектральных данных FT-NIR фенхеля (Юмен, Ганьсу и Турпан, Синьцзян), используя анализ главных компонентов (PCA) для уменьшения размерности данных и выбирая машину экстремального обучения (ELM), сверточную систему. Классификационная модель компании, основанная на нейронной сети (CNN), рекуррентной нейронной сети (RNN), трансформаторе, генеративно-состязательных сетях (GAN) и нейронной сети обратного распространения (BPNN), реализует классификацию источника выборки. Результаты экспериментов показывают, что точность классификации моделей ELM, RNN, Transformer, GAN и BPNN превышает 96%, а модель ELM, использующая Hardlim в качестве функции активации, имеет лучший эффект классификации со средней точностью 100% и быстрая скорость классификации. Среднее время 30 экспериментов составляет 0,05 с. Это исследование показывает потенциал алгоритма машинного обучения в сочетании со спектрами FT-NIR в области классификации зон производства продуктов питания и предоставляет эффективные средства для реализации быстрого обнаружения зоны производства продуктов питания, чтобы торговцы не продавали некачественную продукцию как хорошие и ищут незаконную прибыль.

Являясь одной из популярных специй, которые широко используются в качестве приправы в повседневной жизни1, фенхель широко выращивается во всем мире2. Кроме того, фенхель также может использоваться в качестве сырья для производства вина, кремов, парфюмерии, биохимических материалов и т. д.3,4,5 и имеет некоторую лечебную ценность. Его можно использовать для приготовления многих лекарств6, например, в селекционной отрасли и других областях. Антибактериальные свойства фенхеля могут заменить антибиотики в кормовых добавках и лекарствах в птицеводстве, а также эффективно предотвращать злоупотребление антибиотиками7. С другой стороны, фенхель и его производные обладают многими полезными медицинскими свойствами, которые можно использовать для лечения заболеваний пищеварительной системы, таких как эпилепсия, анорексия и вздутие живота8, снижения кровяного давления, антибактериальных и противовоспалительных свойств, предотвращения рака и лечения диабета6. 9,10.

В последние годы большое количество исследователей сосредоточилось на химическом составе фенхеля из-за его универсальности и обнаружили, что эффективность фенхеля и продуктов из него зависит от типа и количества содержащихся в нем химических веществ, таких как антиоксидантные фенолы. и антибактериальные терпены. Кроме того, исследования показали, что относительная концентрация соединений, содержащихся в фенхеле, во многом зависит от его географического происхождения11, поскольку виды и содержание биохимических компонентов фенхеля имеют происхождение, зависящее от географического положения12. Из-за влияния внешней среды, такой как климат, температура, почвенные условия и осадки производственной зоны, а также совокупного воздействия внутренних и внешних факторов, таких как генотипы13,14, виды и содержание веществ и урожайность фенхеля выращенные в разных регионах, существенно различаются12,15,16,17. Основные биологически активные ингредиенты, содержащиеся в фенхеле, такие как антибактериальные микроорганизмы, фенолы и жирные кислоты, различны по содержанию12, что приводит к различному качеству, питательной ценности и ценам16. Колледж биологической инженерии Индун Университета Шаогуань, провинция Гуандун, Китай, сравнил содержание питательных веществ в семи сортах фенхеля из Юмень, Ганьсу и Или, Синьцзян, и всесторонняя оценка показала, что пищевая ценность сортов фенхеля из Юмень, Ганьсу, была относительно высокой. Для того чтобы некоторые торговцы не использовали некачественный товар как хороший и не создавали препятствий надзору за рынком, большое значение имеет точное определение происхождения фенхеля. Однако существующие исследования в основном сосредоточены на анализе различий в видах и содержании химических веществ в фенхеле из разных регионов12,17, и до сих пор существуют пробелы в классификации и идентификации происхождения фенхеля.