太赫兹光谱结合机器学习的甜味剂检测
THz spectroscopic detection of sweeteners based on machine learning algorithms
钟芸襄 1张然 1熊子仪 1邹斌 2杨玉平2
作者信息
- 1. 中央民族大学理学院,北京 100081
- 2. 中央民族大学理学院,北京 100081;中央民族大学光子系统工程软件教育部工程研究中心,北京 100081
- 折叠
摘要
以三氯蔗糖、赤藓糖醇、木糖醇3种人工甜味剂为研究对象,采用太赫兹时域光谱技术,结合多种机器学习和优化算法对甜味剂与面粉混合物的光谱数据进行系统的分类识别和定量回归研究.结果表明,麻雀搜索算法-支持向量机模型/支持向量回归模型(SSA-SVM/SVR)对混合物的定性及定量分析结果均达到最优,分类预测的准确率达到95.56%,定量回归预测的最佳回归系数R2 为0.999 8,实现了3种甜味剂和面粉混合物的高精确度分类和定量分析,为人工甜味剂的快速检测提供了一种有效可靠的新思路.
Abstract
Three artificial sweeteners,sucralose,erythritol and xylitol,are qualitatively and quantitatively studied based on Terahertz time-domain spectroscopy combined with machine learning algorithms and optimization algorithms.The results show that the Sparrow Search Algorithm-Support Vector Machines/Support Vector Regression(SSA-SVM/SVR)model is optimal for qualitative and quantitative analysis of the mixture.The accuracy of classification prediction is up to 95.56%,and the optimal regression coefficient for quantitative regression prediction is 0.999 8,so that a high-precision classification and quantitative analysis of three sweetener-flour mixtures is achieved.This provides an effective and reliable method for the rapid detection of artificial sweeteners.
关键词
太赫兹/甜味剂/机器学习/优化算法Key words
terahertz/sweeteners/machine learning/optimization algorithms引用本文复制引用
基金项目
国家自然科学基金(62075248)
国家重点基础研究发展计划(973计划)(2020YFB2009303)
国家重点基础研究发展计划(973计划)(2017YFB00405402)
国家外国专家资助项目(G2022184001L)
出版年
2024
国家科技期刊平台
NSTL
万方数据