基于气敏传感器阵列与机器学习模型的香蕉人工催熟无损识别方法

《Scientific Reports》：Identification of artificially ripened banana by chemical agent using gas sensor array

　　

摘要

人们食用新鲜水果是为了获取维持健康所必需的维生素、矿物质、纤维和蛋白质。香蕉是孟加拉国及世界许多国家全年常见且健康的水果。香蕉经常通过化学药剂进行人工催熟，这对人体健康有害。因此，检测人工催熟香蕉（ARB）已成为确保食品安全和质量的重要课题。本文提出了一种新型无损方法，通过分析气敏传感器阵列对香蕉释放的挥发性有机化合物（VOCs）响应所获取的电子信号来识别人工催熟香蕉。研究设计了一套自动化数据采集系统，由气敏传感器阵列、数据采集设备和LabVIEW组成。研究采用了四种机器学习（ML）模型——逻辑回归（LR）、支持向量机（SVM）、决策树（DT）和极端梯度提升（XGBoost）——来分析传感器数据，并将香蕉分为人工催熟和自然催熟（ANRB）的二分类任务及按天分类（催熟阶段）任务。在四种模型中，XGBoost在ANRB二分类任务中表现最佳，测试准确率为97.03%，10折交叉验证（CV）准确率为95.05 ± 2.98%（结合重要特征）。对于按天分类任务，SVM模型表现最佳，测试准确率为99.94%，CV准确率为99.92 ± 0.05%（使用所有特征）。此外，本研究是首次利用VOC响应进行ANRB检测的研究，并以显著更具成本效益的方式超越了现有的基于高光谱成像的ANRB分类方法。总体而言，本研究通过提供一种无损技术——作为破坏性方案的替代——检测人工催熟香蕉，推动了食品安全技术的发展。