Authentication of cinnamon spice samples using FT-IR spectroscopy and chemometric classification
Notice bibliographique
Résumé
Cinnamon is a popular spice with a lengthy overseas supply chain. C. cassia is commonly traded as cinnamon, but the use of rapid methods to detect its adulteration has not yet been fully addressed. This work explores the use of FT-IR spectroscopy for the detection of adulteration in the cinnamon supply chain by several lower value ingredients. Two species of cinnamon (C. verum and C. cassia) and an adulterant (cinnamon spend, n = 2) were used to create 110 different in-house admixtures. Two different replacement fraud experiments were designed: C. cassia replaced with spend (Scenario A) and C. verum replaced with both C. cassia and spend (Scenario B). Initial analysis by GC-IMS showed promising differences between samples. The FT-IR spectra confirmed significant raw differences in absorbance. PCA for Scenario A demonstrated better separation than in Scenario B. The detection of adulteration of C. cassia (Scenario A) and C. verum (Scenario B) were equality accurate. Classification results showed that the PLS-DA technique was superior to SIMCA for both types of adulteration (PLS-DA: 94-90%; SIMCA: 83-79%, respectively). This demonstrates the potential of FT-IR as a screening method to identify cinnamon adulteration in supply chains and to provide accurate and rapid results without sample preparation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».