人工智能助力饲料中霉菌毒素污染物的快速筛查
发布时间:2024-12-23
点击量:
【字体:大 中 小】
题目:Machine Learning for Predicting Zearalenone Contamination Levels in Pet Food
作者:Zhenlong Wang , Wei An, Jiaxue Wang, Hui Tao, Xiumin Wang , Bing Han and Jinquan Wang
刊物名称:toxins
发表年份:2024
摘要内容:霉菌毒素因其潜在的毒性对宠物健康构成严重威胁。传统的霉菌毒素检测方法,如质谱法和酶联免疫法通常需要较长的检测时间和较高的成本,限制了其在快速筛查中的应用。
研究团队将AI领域的机器学习算法与电子鼻技术相结合,开发出一种全新的智能化检测方法。电子鼻技术能够在短时间内无损地捕捉样品的挥发性气味特征,这些特征数据随后被用于训练机器学习模型,从而预测霉菌毒素污染水平。研究结果表明, 在单一模型中,多层感知机(MLP)算法的分类准确率最高,达到86.6%。通过集成模型(Model Ensemble)综合多种单一模型的预测结果,分类准确率进一步提升至90.1%。相比传统的检测方法,机器学习算法不仅显著缩短了检测时间,还大幅降低了检测成本,展现了巨大的应用潜力。

原文链接:https://doi.org/10.3390/toxins16120553