近日,中國農業(yè)科學院飼料研究所寵物營養(yǎng)與食品創(chuàng)新團隊利用人工智能(AI)算法成功實現(xiàn)了對寵物食品中霉菌毒素污染物的快速篩查,為寵物食品的安全監(jiān)管提供了更加智能化、精準化的技術支持。相關研究成果發(fā)表在期刊《Toxins(毒素)》上。
霉菌毒素因其潛在的毒性對寵物健康構成嚴重威脅。傳統(tǒng)的霉菌毒素檢測方法,如質譜法和酶聯(lián)免疫法通常需要較長的檢測時間和較高的成本,限制了其在快速篩查中的應用。
研究團隊將AI領域的機器學習算法與電子鼻技術相結合,開發(fā)出一種全新的智能化檢測方法。電子鼻技術能夠在短時間內無損地捕捉樣品的揮發(fā)性氣味特征,這些特征數(shù)據(jù)隨后被用于訓練機器學習模型,從而預測霉菌毒素污染水平。研究結果表明, 在單一模型中,多層感知機(MLP)算法的分類準確率最高,達到86.6%。通過集成模型(Model Ensemble)綜合多種單一模型的預測結果,分類準確率進一步提升至90.1%。相比傳統(tǒng)的檢測方法,機器學習算法不僅顯著縮短了檢測時間,還大幅降低了檢測成本,展現(xiàn)了巨大的應用潛力。
該研究得到中國農業(yè)科學院科技創(chuàng)新工程和基本科研業(yè)務費專項的資助。
原文鏈接:https://doi.org/10.3390/toxins16120553
霉菌毒素因其潛在的毒性對寵物健康構成嚴重威脅。傳統(tǒng)的霉菌毒素檢測方法,如質譜法和酶聯(lián)免疫法通常需要較長的檢測時間和較高的成本,限制了其在快速篩查中的應用。
研究團隊將AI領域的機器學習算法與電子鼻技術相結合,開發(fā)出一種全新的智能化檢測方法。電子鼻技術能夠在短時間內無損地捕捉樣品的揮發(fā)性氣味特征,這些特征數(shù)據(jù)隨后被用于訓練機器學習模型,從而預測霉菌毒素污染水平。研究結果表明, 在單一模型中,多層感知機(MLP)算法的分類準確率最高,達到86.6%。通過集成模型(Model Ensemble)綜合多種單一模型的預測結果,分類準確率進一步提升至90.1%。相比傳統(tǒng)的檢測方法,機器學習算法不僅顯著縮短了檢測時間,還大幅降低了檢測成本,展現(xiàn)了巨大的應用潛力。
該研究得到中國農業(yè)科學院科技創(chuàng)新工程和基本科研業(yè)務費專項的資助。
原文鏈接:https://doi.org/10.3390/toxins16120553
編輯:劉金娥
免責聲明:
- 1、河南畜牧獸醫(yī)信息網(wǎng)刊登的文章僅代表作者個人觀點,文章內容僅供參考,并不構成投資建議,據(jù)此操作,風險自擔。
- 2、河南畜牧獸醫(yī)信息網(wǎng)轉載的文章均已注明來源,版權歸原作者所有,內容僅供讀者參考,如有侵犯原作者權益,請及時聯(lián)系我們刪除?。娫挘?371-65778965 )
- 3、河南畜牧獸醫(yī)信息網(wǎng)原創(chuàng)文章,轉載請注明出處及作者。感謝您的支持和理解!