Detectando rapidamente a origem da erva-doce do próximo

Scientific Reports volume 12, Número do artigo: 13593 (2022) Citar este artigo

970 Acessos

3 Citações

3 Altmétrica

Detalhes das métricas

O funcho contém muitas substâncias antioxidantes e antibacterianas e tem aplicações muito importantes em aromatizantes de alimentos e outros campos. Os tipos e conteúdos de substâncias químicas na erva-doce variam de região para região, o que pode afetar o sabor e a eficácia da erva-doce e seus derivados. Portanto, é de grande importância classificar com precisão a origem do funcho. Recentemente, métodos de detecção de origem baseados em redes profundas têm mostrado resultados promissores. No entanto, os métodos existentes gastam um custo de tempo relativamente grande, uma desvantagem que é fatal para grandes quantidades de dados em cenários de aplicação prática. Para superar essa limitação, exploramos um método de detecção de origem que garante uma detecção mais rápida com precisão de classificação. Esta pesquisa é a primeira a usar o algoritmo de aprendizado de máquina combinado com a espectroscopia de infravermelho próximo com transformada de Fourier (FT-NIR) para realizar a classificação e identificação da origem do funcho. Neste experimento, usamos correção de linha de base Rubberband nos dados espectrais FT-NIR de erva-doce (Yumen, Gansu e Turpan, Xinjiang), usando análise de componentes principais (PCA) para redução de dimensionalidade de dados e selecionando máquina de aprendizado extremo (ELM), Convolutional O modelo de classificação de rede neural (CNN), rede neural recorrente (RNN), transformador, redes adversárias generativas (GAN) e rede neural de retropropagação (BPNN) realiza a classificação da origem da amostra. Os resultados experimentais mostram que a precisão de classificação dos modelos ELM, RNN, Transformer, GAN e BPNN estão acima de 96%, e o modelo ELM usando o hardlim como função de ativação tem o melhor efeito de classificação, com uma precisão média de 100% e uma velocidade de classificação rápida. O tempo médio de 30 experimentos é de 0,05 s. Esta pesquisa mostra o potencial do algoritmo de aprendizado de máquina combinado com os espectros FT-NIR no campo da classificação da área de produção de alimentos e fornece um meio eficaz para realizar a detecção rápida da área de produção de alimentos, para que os comerciantes vendam produtos de má qualidade como bons e buscando lucros ilegais.

Como uma das especiarias populares que são amplamente utilizadas como condimentos na vida cotidiana1, a erva-doce é amplamente plantada em todo o mundo2. Além disso, o funcho também pode ser utilizado como matéria-prima para a produção de vinhos, cremes, perfumes, materiais bioquímicos, etc.3,4,5, e possui algum valor medicinal. Pode ser usado para preparar muitos medicamentos6, como na indústria de criação e em outros campos. As propriedades antibacterianas da erva-doce podem substituir os antibióticos em aditivos alimentares e medicamentos na indústria avícola e podem efetivamente prevenir o abuso de antibióticos7. Por outro lado, a erva-doce e seus derivados possuem muitas propriedades medicinais benéficas, podendo ser utilizadas no tratamento de doenças digestivas como epilepsia, anorexia e distensão abdominal8, redução da pressão arterial, antibacteriana e anti-inflamatória, prevenção do câncer e tratamento do diabetes6, 9,10.

Nos últimos anos, um grande número de pesquisadores se concentrou na composição química da erva-doce devido à sua versatilidade e descobriu que a eficácia da erva-doce e de seus produtos está relacionada ao tipo e à quantidade de produtos químicos contidos, como fenóis antioxidantes e terpenos antibacterianos. Além disso, estudos mostraram que a concentração relativa de compostos contidos na erva-doce depende em grande parte de sua origem geográfica11, porque os tipos e o conteúdo dos componentes bioquímicos da erva-doce dependem da localização geográfica12. Devido à influência do ambiente externo, como clima, temperatura, condições do solo e precipitação da área de produção, e ao efeito combinado de fatores internos e externos, como genótipos13,14, os tipos e teores de substâncias e rendimentos da erva-doce cultivadas em diferentes regiões são significativamente diferentes12,15,16,17. Os principais ingredientes biologicamente ativos contidos na erva-doce, como microorganismos antibacterianos, fenóis e ácidos graxos, são diferentes em conteúdo12, resultando em qualidade, conteúdo nutricional e preços diferentes16. Yingdong College of Biological Engineering, Shaoguan University, província de Guangdong, China comparou o conteúdo de nutrientes de 7 variedades de erva-doce de Yumen, Gansu e Yili, Xinjiang, e uma avaliação abrangente mostrou que o valor nutricional das variedades de erva-doce de Yumen, Gansu era relativamente alto. Para evitar que alguns comerciantes usem produtos de má qualidade como bons e causem obstáculos à fiscalização do mercado, é de grande importância identificar com precisão a origem do funcho. No entanto, os estudos existentes concentram-se principalmente na análise das diferenças nos tipos e teores de substâncias químicas no funcho de diferentes regiões12,17, havendo ainda lacunas na classificação e identificação da origem do funcho.