今天介绍一篇由四川农业大学农学院任万军教授团队于2022年12月发表在Food Chemistry(IF=9.23)上的文章。这篇文章主要讨论了使用人工神经网络(ANN)和米饭的质地特性来预测米饭的食用和烹饪质量(ECQ)的模型开发。
01 介绍
今天介绍一篇由四川农业大学农学院任万军教授团队于2022年12月发表在Food Chemistry(IF=9.23)上的文章。这篇文章主要讨论了使用人工神经网络(ANN)和米饭的质地特性来预测米饭的食用和烹饪质量(ECQ)的模型开发。研究结果表明,与传统的统计和其他机器学习方法相比,ANN模型具有更高的准确性和更低的均方根误差。该研究建议ANN模型可以提高米饭ECQ的预测准确性。此外,文章还提到了使用传统统计方法和机器学习方法开发预测煮熟米饭的整体可接受性的模型,并分析了米饭的成分、理化性质、感官评价和质地特性。研究结果表明,基于质地特性的模型比基于米饭成分和粘度特性的模型具有更好的预测准确性。文章还提供了一些与米饭质量评估相关的研究论文,包括作物产量预测、感官质地属性、氮含量和人工神经网络模型等主题。这些研究旨在设计出符合21世纪消费者需求的优质米饭。
02 摘要
本研究旨在准确预测米饭的食用和烹饪质量(ECQ),并开发了统计和机器学习模型来预测煮熟米饭的整体接受度。结果显示,使用逐步多元线性回归、主成分分析加多元线性回归、偏最小二乘回归、K最近邻、随机森林和梯度提升决策树开发的模型的决定系数(R2)分别为0.156-0.452、0.357、0.160-0.460、0.192-0.746、0.453-0.708和0.469-0.880,而使用人工神经网络(ANN)模型可以将其提高到0.675-0.979。ANN模型还具有较低的均方根误差(0.574-1.32)。此外,使用质地特性的ANN模型可以准确预测92.1%的整体接受度,通过使用成分和/或糊化特性可以将其提高到>96%。总的来说,使用ANN和米饭的质地特性开发的模型显著提高了ECQ预测的准确性。
03 研究亮点
• 质地特性适用于大米的食用和烹饪 (ECQ) 预测。
• 机器学习方法的R2值比传统统计方法更高。
• 使用大米质地的人工神经网络 (ANN) 提高了 ECQ 预测精度。
• ANN 模型具有更大的 R2 (0.675–0.979) 和较低的 RMSE (0.574–2.18)。
04 相关图文
图1. 图形概要
图2. 图5. 用人工神经网络分析米饭的整体接受度,包括米饭成分(A)、糊化特性(B)、质地特性(C)、成分和质地特性(D)、糊化特性和质地特性(E)以及所有这些参数(F)。
05 结论
本研究旨在建立准确预测米饭ECQ的模型,这对于确定米饭在消费链中的可接受性和经济价值非常重要。使用186个来自中国西南地区的籼稻样品的成分、糊化特性和质地特性数据,采用传统的统计方法(包括SMLRA、PCA + MLRA和PLSRA)和机器学习方法(包括KNN、RF、GBDT和ANN)开发了预测煮熟米饭整体接受度的预测模型。使用SMLRA、PCA + MLRA、PLSRA、KNN、RF和GBDT开发的模型的决定系数在0.156-0.452、0.357、0.160-0.460、0.192-0.746、0.453-0.708和0.469-0.880之间,而使用ANN构建的模型的决定系数要高得多,范围在0.675-0.979之间;此外,使用ANN构建的模型显示出较低的RMSE值,范围为0.574-2.18。与使用米饭成分和糊化特性构建的模型相比,使用质地特性开发的模型通常具有明显更高的决定系数和更低的RMSE值,无论是使用传统的统计方法还是其他机器学习方法。使用质地特性开发的ANN模型显示出0.921的决定系数和1.06的RMSE值,通过与米饭成分和/或糊化特性相结合,可以进一步提高到0.96以上(R2)并降低到0.75以下(RMSE)。总之,这些结果表明,米饭的质地特性更适合用于构建预测整体接受度的模型,并且在与ANN一起使用时提供高预测准确性。
参考文献
Deng F, Lu H, Yuan Y, et al. Accurate prediction of the eating and cooking quality of rice using artificial neural networks and the texture properties of cooked rice. Food Chem. 2023;407:135176. doi:10.1016/j.foodchem.2022.135176
通讯作者
任万军,四川青川人,现任四川农业大学作物栽培学与耕作学教授、博士生导师,农业农村部西南作物生理生态与耕作重点实验室主任,中国作物学会第六届栽培专业委员会委员、作物生理生态学组副组长,四川省作物学会常务理事、耕作与栽培专业委员会主任,《植物营养与肥料学报》与《应用生态学报》编委。先后获四川省有突出贡献的优秀专家、四川省青年科技奖、国家粮食丰产科技工程先进个人、雅安市先进工作者、四川省科普工作先进个人等荣誉称号。先后承担国家自然科学基金、国家重点研发计划、国家科技支持计划、国家公益性行业(农业)科研专项等科研项目及课题任务10多项。研究成果主持或参加获省部级科技奖一等奖6项、二等奖4项、三等奖4项,授权发明专利12项,研制四川省地方标准8项,入选全国农业主推技术1项,创新技术21年次入选四川省农业主推技术。获中国作物学会优秀博士论文1篇。在Agricultural and Forest Meteorology、Field Crops Research、Soil and Tillage Research、Food Hydrocolloids、Food Chemistry、《中国农业科学》、《作物学报》等国内外知名期刊发表学术论文200余篇。
原创文章,作者:ifyoung,如若转载,请注明出处:https://www.drugfoodai.com/%e4%bd%bf%e7%94%a8%e4%ba%ba%e5%b7%a5%e7%a5%9e%e7%bb%8f%e7%bd%91%e7%bb%9c%e5%92%8c%e7%85%ae%e7%86%9f%e7%b1%b3%e9%a5%ad%e7%9a%84%e8%b4%a8%e5%9c%b0%e7%89%b9%e6%80%a7%e5%87%86%e7%a1%ae%e9%a2%84%e6%b5%8b.html
注意:本站原创指的是原创编译,并不主张对所介绍的工作的版权,如有侵权,请联系删除!