机构名称：
¥ 1.0
摘要：作为具有巨大经济价值的成分，Matsutake已受到广泛关注。然而，其中重金属残留物和防腐剂会影响甲状腺肿的毛毛和危害消费者健康的质量。在这里，我们提出了一种基于表面增强的拉曼光谱（SERS）和荧光（流感）光谱的方法，用于同时检测低浓度的山梨酸钾和铅毛的铅和铅。数据融合策略与多种机器学习方法相结合，包括部分最小二乘回归（PLSR），深森林（DF）和卷积神经网络（CNN）进行模型培训。结果表明，基于决策水平融合的CNN预测模型结合了最佳性能，将相关系数（r 2）提高到0.9963和0.9934，并且根平均方误差（RMSE）被减少到0.0712 g·kg - kg-1和0.0712 g·k-1和0.0712 g·k-1和0.0795 m g。本文提出的方法准确地预测了Matsake中剩余的防腐剂和重金属，并为其他食品安全测试提供了参考。
食物
主要关键词
相关文件推荐
