.png){kind=icon}
返回
Machine learning-driven multidimensional tea profiling from a single SERS spectrum: toward practical application
.png){kind=icon}
PRE
AI
DOI：10.1039/D6AN00093B.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多维茶叶表征对于消费者体验、品牌声誉以及市场完整性至关重要。在此，我们介绍了一种基于单次表面增强拉曼光谱（SERS）测量与机器学习相结合的快速、系统性多维茶叶鉴定策略。我们首先通过机器学习对单个变量的分析证明，单次SERS光谱本身编码了涵盖茶叶类别、等级、储存质量和农药残留水平的多维信息。偏最小二乘判别分析实现了对茶叶类别和等级的高精度分类（准确率≥98.9%）；而支持向量机回归实现了对储存质量和农药残留水平的精确预测（R2 > 0.99）。基于这些结果，我们开发了一个整合单次光谱多维预测的两层框架，实现了一步式全面鉴定。该框架进一步被应用于用户友好的应用程序中，用于实时单光谱分析，总体准确率达到98.2%。总体而言，本研究表明，SERS与机器学习的结合为多维茶叶鉴定提供了一种高效、经济且可扩展的方法，为茶行业内的协同改进和数据共享奠定了基础。
Keyword:
SERS
machine learning
tea authentication
multidimensional profiling
pesticide residue
