CIE-L*a*b*结合人工智能/机器学习用于食品基质中罗丹明B的快速检测

《Food Analytical Methods》：CIE-L*a*b* Coupled with AI/ML for Rapid Detection of Rhodamine-b in Food Matrix

　　

摘要

罗丹明B（Rh-b）是一种被印度食品安全与标准局（FSSAI）禁止使用的合成染料，但仍被非法用于加工即食食品中以增强视觉吸引力。传统的检测方法，如高效液相色谱法（HPLC）和紫外-可见分光光度法，需要昂贵的仪器和复杂的样品前处理。本概念验证研究提出了一种非侵入性的人工智能/机器学习工具，无需从食品中分离染料，即可对加工食品中的Rh-b进行快速定性检测。研究选取了六种结构组成各异的食品基质（辣椒粉、辣椒酱、棉花糖、硬糖、软糖和花椰菜曼彻斯特），在已知浓度范围内用Rh-b进行掺入实验；使用色差仪采集比色数据（CIE-L\*a\*b\*），并通过方差分析（含效应量）和主成分分析（PCA）进行统计学验证。共评估了四种机器学习算法（随机森林（RF）、支持向量机（SVM-(RBF)）、K-近邻（KNN）和逻辑回归）用于模型开发。RF和SVM（RBF）表现最为稳定（准确率 = 97.2%），其中RF在部分选择性性能指标上略有优势。特征重要性和效应量分析揭示了判别性颜色参数的基质特异性。该工具在六种基质中的五种中可靠检测出低至25 ppm浓度的罗丹明B。与紫外-可见分光光度法的独立方法比较表明，在低浓度下本工具表现更优。

图形摘要

罗丹明B（Rh-b）是一种被印度食品安全与标准局（FSSAI）禁止使用的合成染料，但仍被非法用于加工即食食品中以增强视觉吸引力。传统的检测方法，如高效液相色谱法（HPLC）和紫外-可见分光光度法，需要昂贵的仪器和复杂的样品前处理。本概念验证研究提出了一种非侵入性的人工智能/机器学习工具，无需从食品中分离染料，即可对加工食品中的Rh-b进行快速定性检测。研究选取了六种结构组成各异的食品基质（辣椒粉、辣椒酱、棉花糖、硬糖、软糖和花椰菜曼彻斯特），在已知浓度范围内用Rh-b进行掺入实验；使用色差仪采集比色数据（CIE-L\*a\*b\*），并通过方差分析（含效应量）和主成分分析（PCA）进行统计学验证。共评估了四种机器学习算法（随机森林（RF）、支持向量机（SVM-(RBF)）、K-近邻（KNN）和逻辑回归）用于模型开发。RF和SVM（RBF）表现最为稳定（准确率 = 97.2%），其中RF在部分选择性性能指标上略有优势。特征重要性和效应量分析揭示了判别性颜色参数的基质特异性。该工具在六种基质中的五种中可靠检测出低至25 ppm浓度的罗丹明B。与紫外-可见分光光度法的独立方法比较表明，在低浓度下本工具表现更优。

图形摘要