Identification and Classification of Multi‐Species Biofilms on Polymeric Surfaces Using Hyperspectral Imaging
Notice bibliographique
Résumé
ABSTRACT Biofilm‐associated contamination poses significant challenges to the food industry, particularly in ensuring effective sanitization and reliable detection. This study explores the use of hyperspectral imaging (HSI) in the shortwave infrared (SWIR) range for non‐destructive detection and classification of biofilms on thermoplastic polyurethane (TPU) surfaces. Multi‐species biofilms composed of Comamonas sp., Raoultella sp., and Escherichia coli were formed at 10°C and 25°C and biofilm protein and polysaccharide contents were determined. Principal Component Analysis (PCA) and Partial Least Squares Discriminant Analysis (PLS‐DA) were used to differentiate among four classes of TPU coupons, including blank (BLANK), control (CTRL), intermediate‐strength biofilms formed at 10°C (S10), and strong biofilms formed at 25°C (S25). PCA successfully clustered samples based on spectral profiles of the classes, identifying significant wavelength regions at 1451 and 1926 nm, which correlated with the water, protein, and polysaccharide content of multi‐species biofilms. PLS‐DA provided a classification accuracy ranging from 68% to 100%, with the highest classification accuracy (100%) observed for BLANK and biofilm‐contaminated (S25) TPU coupons and the lowest accuracy (68%) for CTR. Additionally, Partial Least Squares Regression (PLSR) was employed to predict the protein content of biofilms, achieving reliable predictions both in calibration ( of 0.81) and external validation ( of 0.72). These findings demonstrate the potential of HSI to detect and classify biofilm‐infected TPU coupons utilizing wavebands associated with proteins, polysaccharides and water. Hence, HSI can be used as a rapid and non‐destructive alternative to traditional methods for biofilm detection, including chemical‐based methods such as BioDetect (SANI MARC) and fluorescence‐based imaging methods like BACTISCAN.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».