Publikace detail

Classification of transformed anchovy products based on the use of element patterns and decision trees to assess traceability and country of origin labelling

Autoři: Varra Maria Olga | Husáková Lenka | Patočka Jan | Ghidini Sergio | Zanardi Emanuela

Rok: 2021

Druh publikace: článek v odborném periodiku

Název zdroje: Food Chemistry

Název nakladatele: Elsevier Science

Místo vydání: Oxford

Strana od-do: 129790

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Klasifikace a autentifikace průmyslově zpracovaných vzorků ančoviček na základě stanovení multi-prvkového profilu a aplikace rozhodovacích stromů	S využitím hmotnostní spektrometrie s ionizací v indukčně vázaném plazmatu a kvadrupólovým analyzátorem iontů (Q-ICP-MS), byl ve 180 vzorcích ančoviček stanoven multi-prvkový profil, který byl s pomocí několika algoritmů klasifikačních či regresních rozhodovacích stromů (CART, C5.0, CHAID a QUEST) využit k rozlišení geografického původu vzorků ze tří různých oblastí. Vzorky byly analyzovány před a po jejich průmyslovém zpracování. Aplikací zjednodušených technik strojového učení, využívajících omezený počet vhodně zvolených prediktorů, bylo možné dosáhnout klasifikace uvedených typů vzorků s vysokou mírou senzitivity, specificity a přesnosti.	Analýza dat; Rozhodovací stromy; Engraulis encrasicolus; Analýza ryb; Autentifikace; ICP-MS
eng	Classification of transformed anchovy products based on the use of element patterns and decision trees to assess traceability and country of origin labelling	Quadrupole inductively coupled plasma mass spectrometry (Q-ICP-MS) and direct mercury analysis were used to determine the elemental composition of 180 transformed (salt-ripened) anchovies from three different fishing areas before and after packaging. To this purpose, four decision trees-based algorithms, corresponding to C5.0, classification and regression trees (CART), chi-square automatic interaction detection (CHAID), and quick unbiased efficient statistical tree (QUEST) were applied to the elemental datasets to find the most accurate data mining procedure to achieve the ultimate goal of fish origin prediction. Classification rules generated by the trained CHAID model optimally identified unlabelled testing bulk anchovies (93.9% F-score) by using just 6 out of 52 elements (As, K, P, Cd, Li, and Sr). The finished packaged product was better modelled by the QUEST algorithm which recognised the origin of anchovies with F-score of 97.7%, considering the information carried out by 5 elements (B, As, K. Cd, and Pd). Results obtained suggested that the traceability system in the fishery sector may be supported by simplified machine learning techniques applied to a limited but effective number of inorganic predictors of origin.	Data mining; Decision trees; Engraulis encrasicolus; Fish products; Geographical origin; ICP-MS

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Ústavy a pracoviště

Jak nás najdete?

Služby

Často hledáte