文献

J-GLOBAL ID：202002266187413223   整理番号：20A1067022

ミンチ肉中の偽和物を検出し定量化するためのハイパースペクトルイメージングと機械学習法の応用【JST・京大機械翻訳】

Application of Hyperspectral Imaging and Machine Learning Methods to Detect and Quantify Adulterants in Minced Meats

著者 (3件)： Rady Ahmed (Department of Biosystems and Agricultural Engineering, University of Kentucky, Lexington, KY, USA) ,  Rady Ahmed (Department of Agricultural and Biosystems Engineering, Alexandria University, Alexandria, Egypt) ,  Adedeji Akinbode A. (Department of Biosystems and Agricultural Engineering, University of Kentucky, Lexington, KY, USA)
資料名： Food Analytical Methods  (Food Analytical Methods)
巻： 13  号： 4  ページ： 970-981  発行年： 2020年 
JST資料番号： W4367A  ISSN： 1936-976X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ハイパースペクトルイメージング(400~1000nm)の有効性を,ミンチ牛肉および豚肉における植物および動物ベースの偽和を検出,分類,定量する非破壊法として証明した。機械学習技術は,分類と予測モデルを構築するために実行した。試料を最初に偽和(1クラス)または純粋(5クラス)に分類した。次に,偽和(6クラス)のタイプを評価した。最後に,各偽和のレベルを部分最小二乗回帰を用いて推定した。試験セットの選択波長に基づく最適分類モデルは,純粋及び偽和試料に対してそれぞれ75~100%及び100%の分類率をもたらした。一方,速度は偽和型に依存して83~100%であった。偽和レベルに対する予測モデルは相関係数,r,及び予測に対する性能の比,RPD,豚肉及びテクスチャー化野菜蛋白質(TVP)を偽和した牛肉に対する0.69(1.41)及びTVPにより偽和された牛肉に対する0.93(2.82)をもたらした。結果の改善はより大きな試料サイズで達成できる。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 動物 ,  波長 ,  相関係数 ,  牛肉 ,  *偽和 ,  グルテン ,  豚肉 ,  *画像処理 ,  有効性 ,  *機械学習 ,  予測モデル
準シソーラス用語： *ハイパースペクトル ,  牛挽肉 ,  部分最小二乗回帰 ,  分類モデル , 【Automatic Indexing@JST】

著者キーワード (7件)： 牛挽肉 ,  偽和 ,  ハイパースペクトルイメージング ,  テクスチャ化野菜蛋白質 ,  食品fraud ,  グルテン ,  豚肉

分類 (1件)： 食品の分析  (FJ01030U)

タイトルに関連する用語 (4件)： 肉 ,  定量化 ,  機械学習 ,  応用