Rapid Authentication of Plant-Based Milk Alternatives by Coupling Portable Raman Spectroscopy With Machine Learning
Notice bibliographique
Résumé
BACKGROUND: Plant-based milk alternatives (PBMA) are increasingly popular due to rising lactose intolerance and environmental concerns over traditional dairy products. However, limited efforts have been made to develop rapid authentication methods to verify their biological origin. OBJECTIVE: In this study, we developed a rapid, on-site analytical method for the authentication and identification of PBMA made by six different plant species using a portable Raman spectrometer coupled with machine learning. METHODS: Unprocessed PBMA (i.e., blended raw nut/grain) and processed PBMA that mimic the industrial processing procedures (i.e., filtration and pasteurization) were prepared in the laboratory and subjected to Raman spectral collection without any sample preparation. Three machine learning algorithms (i.e., k-nearest neighbor [KNN], support vector machine [SVM], and random forest [RF]) were tested and compared. RESULTS: RF achieved the best performance in recognizing the plant sources for the unprocessed PBMA, with accuracies of 96.88 and 95.83% in the cross-validation and test set prediction, respectively. Due to small sample size and risk of overfitting, classification models for the biological origin of processed PBMA were constructed by combining Raman spectra of the unprocessed and processed samples. Again, RF models achieved the highest accuracy in identifying the species, i.e., 94.27% in cross-validation and 94.44% in prediction. CONCLUSIONS: These results indicated that the portable Raman spectrometer captured the chemical fingerprints that can effectively identify the plant species of different PBMA. Using this nondestructive Raman spectroscopic-based method, the overall analysis from sample to answer was completed within 5 min, providing inspection laboratories a rapid and reliable screening tool to ensure the authenticity of the biological origin of PBMA. HIGHLIGHTS: This study presents a novel method for rapid and nondestructive identification of the plant sources of PBMA (both unprocessed and processed) based on the Raman spectroscopic technique and machine learning algorithms.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».