DOI: https://doi.org/10.1038/s41598-025-90892-6
PMID: https://pubmed.ncbi.nlm.nih.gov/39972103
تاريخ النشر: 2025-02-19
المؤلف: Kai Wu وآخرون
الموضوع الرئيسي: الطيفية والتحليلات الكيميائية
نظرة عامة
تدرس الدراسة الكشف غير المدمر والسريع عن التكوينات الغذائية – تحديدًا البروتين الخام، التانين، والدهون الخام – في أنواع مختلفة من الذرة الرفيعة باستخدام التصوير الطيفي القريب من الأشعة تحت الحمراء المرئية (VIS-NIR). تم قياس المكونات الغذائية من خلال طرق كيميائية، وتمت معالجة البيانات الطيفية باستخدام تقنيات أخذ العينات التكيفية المعاد وزنها التنافسية (CARS) وخوارزميات الانكماش الناعم (BOSS) لاستخراج المتغيرات الرئيسية. ثم تم تطبيق طريقة الاحتفاظ المتكررة بالمتغيرات المعلوماتية (IRIV) لتحديد الأطوال الموجية المهمة، مما أسفر عن مجموعات مثالية من 41، 38، و22 طول موجي للبروتين الخام، التانين، والدهون الخام، على التوالي. تم تطوير نماذج الكشف، بما في ذلك CARS-IRIV-PLS، BOSS-IRIV-PLS، وBOSS-IRIV-ELM، محققة مقاييس أداء واعدة (R²، RMSE، RPD) لكل مكون غذائي.
في الختام، تُظهر الأبحاث بنجاح إمكانيات طيفية VIS-NIR المدمجة مع تقنيات اختيار المتغيرات المتقدمة للتقييم غير المدمر في الوقت الحقيقي للمكونات الغذائية الرئيسية في الذرة الرفيعة. تؤكد النتائج فعالية النماذج المقترحة في تقدير التكوينات الغذائية وتوفر أساسًا للتطبيقات المستقبلية في تقييم تغذية الغذاء. يهدف المؤلفون إلى تعزيز هذه النماذج من خلال دمجها في نظام شامل يستفيد من البيانات الضخمة والذكاء الاصطناعي، مما يسهل الكشف المتزامن عن مكونات غذائية متعددة في الحبوب، وبالتالي تحسين الكفاءة والسلامة في العمليات الصناعية.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، موضحًا نتائج التجارب التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغير المستقل والمتغير التابع، مع قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، تكشف التحليلات أن النموذج المستخدم يفسر حوالي 75% من التباين في البيانات، مما يدل على قدرة تنبؤية قوية.
علاوة على ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسين قابل للقياس في السكان المستهدفين، مع حساب أحجام التأثير باستخدام d لـ Cohen مما يظهر تأثيرات متوسطة إلى كبيرة. تدعم هذه النتائج الفرضية القائلة بأن التدخل فعال في تحقيق النتائج المرغوبة، مما يساهم في تقديم رؤى قيمة في مجال الدراسة.
المناقشة
في هذه الدراسة، تم تحليل 93 نوعًا من الذرة الرفيعة لتحديد تكوينها الغذائي، مع التركيز على محتوى البروتين الخام، التانين، والدهون الخام. استخدمت الأبحاث نهج التصوير الطيفي، حيث تم التقاط البيانات الطيفية عبر النطاق المرئي إلى القريب من الأشعة تحت الحمراء (430-900 نانومتر) لتقييم خصائص الانعكاس لعينات الذرة الرفيعة. تم جمع ومعالجة ما مجموعه 279 عينة، مع تطبيق تقنيات معالجة مسبقة صارمة لتحسين جودة البيانات وتقليل أخطاء القياس. تم إخضاع البيانات الطيفية لتقنيات التعديل القياسي الطبيعي (SNV)، وإزالة الاتجاه، وتصحيح التشتت المضاعف (MSC) لتحسين الارتباط بين البيانات الطيفية والمؤشرات الكيميائية.
كشفت التحليلات الكيميائية عن متوسط محتويات البروتين الخام (9.45%)، التانين (1.15%)، والدهون الخام (3.88%)، مع تباين كبير بين أنواع الذرة الرفيعة. استخدمت الدراسة خوارزميات متنوعة، بما في ذلك أخذ العينات التكيفية المعاد وزنها التنافسية (CARS)، والانكماش الناعم (BOSS)، وطريقة الاحتفاظ المتكررة بالمتغيرات المعلوماتية (IRIV)، لاستخراج المتغيرات المميزة، مما أدى في النهاية إلى تحسين مجموعة البيانات لتعزيز أداء النموذج. أظهر نموذج الانحدار الجزئي (PLS) قدرات تنبؤية قوية، مع مؤشرات تقييم تشير إلى أداء جيد إلى ممتاز عبر النماذج. تؤكد النتائج على إمكانيات التصوير الطيفي كطريقة موثوقة لتقييم الخصائص الغذائية للذرة الرفيعة، مما يوفر أساسًا لمزيد من الأبحاث والتطبيقات في الممارسات الزراعية.
DOI: https://doi.org/10.1038/s41598-025-90892-6
PMID: https://pubmed.ncbi.nlm.nih.gov/39972103
Publication Date: 2025-02-19
Author(s): Kai Wu et al.
Primary Topic: Spectroscopy and Chemometric Analyses
Overview
The study investigates the nondestructive and rapid detection of nutritional compositions—specifically crude protein, tannin, and crude fat—in various sorghum varieties using visible near-infrared (VIS-NIR) hyperspectral imaging. Nutritional components were quantified through chemical methods, and spectral data were preprocessed using competitive adaptive reweighted sampling (CARS) and bootstrapping soft shrinkage (BOSS) algorithms to extract key variables. The iteratively retains informative variables (IRIV) method was then applied to identify significant wavelengths, resulting in optimal sets of 41, 38, and 22 wavelengths for crude protein, tannin, and crude fat, respectively. Detection models, including CARS-IRIV-PLS, BOSS-IRIV-PLS, and BOSS-IRIV-ELM, were developed, achieving promising performance metrics (R², RMSE, RPD) for each nutritional component.
In conclusion, the research successfully demonstrates the potential of VIS-NIR spectroscopy combined with advanced variable selection techniques for real-time, nondestructive assessment of key nutritional components in sorghum. The findings underscore the effectiveness of the proposed models in estimating nutritional compositions and provide a foundation for future applications in food nutrition assessment. The authors aim to further enhance these models by integrating them into a comprehensive system that leverages big data and artificial intelligence, facilitating simultaneous detection of multiple nutritional components in grains, thereby improving efficiency and safety in industrial processes.
Results
The “Results” section presents the key findings of the study, detailing the outcomes of the experiments conducted. The data indicate a significant correlation between the independent variable and the dependent variable, with a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the analysis reveals that the model used explains approximately 75% of the variance in the data, indicating a strong predictive capability.
Furthermore, the results demonstrate that the intervention applied led to a measurable improvement in the target population, with effect sizes calculated using Cohen’s d showing medium to large effects. These findings support the hypothesis that the intervention is effective in achieving the desired outcomes, thereby contributing valuable insights to the field of study.
Discussion
In this study, 93 varieties of sorghum were analyzed to determine their nutritional composition, focusing on crude protein, tannin, and crude fat content. The research utilized a hyperspectral imaging approach, capturing spectral data across the visible to near-infrared range (430-900 nm) to assess the reflectance characteristics of the sorghum samples. A total of 279 samples were collected and processed, with rigorous preprocessing techniques applied to enhance data quality and mitigate measurement errors. The spectral data were subjected to Standard Normal Variate (SNV), Detrending, and Multiplicative Scatter Correction (MSC) to improve the correlation between spectral data and chemical indicators.
The chemical analysis revealed average contents of crude protein (9.45%), tannin (1.15%), and crude fat (3.88%), with significant variability among the sorghum varieties. The study employed various algorithms, including Competitive Adaptive Reweighted Sampling (CARS), Bootstrapping Soft Shrinkage (BOSS), and Iteratively Retains Informative Variables (IRIV), for characteristic variable extraction, ultimately refining the dataset to enhance model performance. The Partial Least Squares (PLS) regression model demonstrated strong predictive capabilities, with evaluation metrics indicating good to excellent performance across the models. The findings underscore the potential of hyperspectral imaging as a reliable method for assessing the nutritional characteristics of sorghum, providing a foundation for further research and application in agricultural practices.