文献

J-GLOBAL ID：202202248193574288   整理番号：22A0926675

ハイパースペクトルイメージングと機械学習による海洋魚粉偽和の迅速かつ非破壊的検出【JST・京大機械翻訳】

Rapid and nondestructive detection of marine fishmeal adulteration by hyperspectral imaging and machine learning

著者 (11件)： Kong Dandan (College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China) ,  Kong Dandan (Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs, Hangzhou 310058, China) ,  Sun Dawei (Institute of Agricultural Equipment, Zhejiang Academy of Agricultural Sciences, Hangzhou 310021, China) ,  Qiu Ruicheng (College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China) ,  Qiu Ruicheng (Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs, Hangzhou 310058, China) ,  Zhang Wenkai (College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China) ,  Zhang Wenkai (Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs, Hangzhou 310058, China) ,  Liu Yufei (College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China) ,  Liu Yufei (Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs, Hangzhou 310058, China) ,  He Yong (College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China) ,  He Yong (Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs, Hangzhou 310058, China)
資料名： Spectrochimica Acta. Part A. Molecular and Biomolecular Spectroscopy  (Spectrochimica Acta. Part A. Molecular and Biomolecular Spectroscopy)
巻： 273  ページ： Null  発行年： 2022年 
JST資料番号： E0128B  ISSN： 1386-1425  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 全海洋起源魚からの純粋魚粉(PFM)は,ほとんどの水産養殖飼料における高価で不可欠な蛋白質成分である。中国では,国内で生産されたPFMの供給不足は,副産物(FBP)からの羽毛ミール(FTM)および魚粉のような低コスト蛋白質源による頻繁なPFM偽和を引き起こしている。本研究の目的は,FTM,FBP,および2成分偽和物(FTMとFBP)を混ぜたPFMの同定のための機械学習アルゴリズムと組み合わせた近赤外ハイパースペクトルイメージング(NIR-HSI)を用いた迅速で非破壊的な検出法を開発することであった。階層的モデリング戦略を採用して,より良い分類精度を得た。部分最小二乗判別分析(PLS-DA)と4つのスペクトル前処理法と結合したサポートベクトルマシン(SVM)を用いて,分類モデルを構築した。逐次射影アルゴリズム(SPA)と競合適応再加重サンプリング(CARS)によって選択された20の有効波長を用いたベースラインオフセット(BO-SVM)モデルによるSVMは,それぞれ,偽和物(FTM,FBP)と偽和魚粉(AFM)からPFMを識別するための100%と99.43%の分類精度を達成した。本研究は,NIR-HSIがFTM,FBP,または2成分偽和物を含むAFMを同定するための飼料ミルの有望な技術を提供することを確認した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 波長 ,  *魚粉 ,  *偽和 ,  *画像処理 ,  *スペクトル ,  *海洋 ,  検出法 ,  近赤外線 ,  射影 ,  判別分析 ,  *機械学習 ,  学習アルゴリズム ,  部分最小二乗法 ,  サポートベクトルマシン
準シソーラス用語： *ハイパースペクトル , 【Automatic Indexing@JST】

著者キーワード (6件)： 魚粉 ,  二値偽和 ,  加工動物蛋白質 ,  NIRハイパースペクトルイメージング ,  サポートベクトルマシン ,  波長選択

分類 (2件)： 薬物の分析  (GV01040Q) ,  有機化合物の物理分析  (CC03034A)

タイトルに関連する用語 (4件)： 機械学習 ,  海洋 ,  魚粉 ,  偽和