Machine Learning-Assisted Ratiometric Fluorescence Electrospun Nanofiber Films for Portable and Intelligent Monitoring of Multiple Alkylresorcinol Homologues in Whole Wheat Foods
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide The intelligent authentication of whole wheat products remains a significant challenge due to the difficulty in simultaneously monitoring multiple alkylresorcinol (AR) homologues within complex food matrices. To address this, we have developed a novel sensing platform integrating machine learning (ML) algorithms with advanced ratiometric fluorescence (FL) materials. The core component is a dual-emission g-C 3 N 4 /Ru, leveraging the blue fluorescence from g-C 3 N 4 nanosheets as the analytical signal and the red fluorescence from [Ru(bpy) 3 ] 2+ as an internal reference. Upon interaction with AR homologues, a visible color change from blue-violet to pink occured due to multiple synergistic effects of IFE, a-PET, electrostatic attraction, and π-π interactions. The system exhibited exceptional sensitivity for quantitative detection of five AR homologues (C17:0, C19:0, C21:0, C23:0, C25:0) within the concentration range of 0–60 μg·mL –1, achieving ultralow limit of detections (LODs) ranging from 2.1 to 9.9 ng·mL –1 . For precise and portable quantitative analysis, a random forest-back-propagation neural network (RF-BPNN) algorithm-assisted FL electrospun film (RuCN PAN NFs) was employed, enabling reliable on-site monitoring. RGB features were extracted using the OpenCV library, and 252 samples were evenly divided through stratified sampling to maintain data balance, yielding exceptional prediction accuracy ( R 2 = 0.9822) and robust performance by training with the RF-BPNN. Application to commercial wheat samples confirms the system’s utility for AR detection and whole wheat authentication. This integrated approach overcomes traditional analytical limitations by combining ML algorithms with advanced materials, enabling intelligent, rapid, and on-site detection of AR homologues. It provides a promising tool for verifying the authenticity of whole wheat products, offering significant potential for food safety monitoring and quality control applications.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 tête enseignante, 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 ».