Discrimination of thermally treated milk using fluorescence spectroscopy combined with PCA and artificial neural networks | Discrimination du lait traité thermiquement par spectroscopie de fluorescence combinée à l'ACP et aux réseaux de neurones artificiels
2025
Aït-Kaddour, Abderrahmane | Abdelbaky, Hassan M.A. | Hamdy, Shaimaa | Boubellouta, Tahar | Abou-El-Karam, Saïd | Abdelmentolb, Hani Sh. | VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS) | Universitas Padjadjaran = Padjadjaran University (UnPad) | faculté d'agriculture, Université de Fayoum | Université Mohamed El Bachir El Ibrahimi [Bordj Bou Arréridj] | Qualité des Produits Animaux (QuaPA) ; Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)
International audience
Mostrar más [+] Menos [-]Francés. Cette étude a évalué l'utilisation de réseaux de neurones artificiels perceptrons multicouches (MLP-ANN) combinés à la spectroscopie de fluorescence pour classer les échantillons de lait par espèce (vache ou bufflonne), traitement thermique et durée de stockage au froid. Les modèles ont été développés en utilisant différentes entrées de fluorescence : vitamine A, tryptophane, spectres synchrones (décalage de 80 nm) et une combinaison vitamine A-tryptophane. Les performances du modèle ont été évaluées en fonction de la précision de la classification, de l'erreur quadratique moyenne (MSE) et de l'efficacité de l'apprentissage. L'analyse en composantes principales (ACP) a également été utilisée pour explorer les effets du refroidissement, de la thermisation et de la pasteurisation sur les propriétés physicochimiques du lait. Les résultats de l'ACP ont montré un regroupement clair des échantillons en fonction de l'espèce, des traitements thermiques et des durées de stockage, avec des différences associées de pH, de lactose, d'acidité, de fractions azotées, de calcium et de temps de coagulation. Les modèles MLP-ANN ont atteint des précisions de classification allant de 44 % à 100 % et des valeurs MSE de 0 % à 14 %, selon les caractéristiques d'entrée et la complexité de la classification. Les spectres de fluorescence synchrone ont montré les meilleures performances, avec une précision de 100 % pour distinguer les espèces et les traitements thermiques, soulignant leur sensibilité aux modifications moléculaires induites par la chaleur. Les tâches de classification plus simples nécessitaient moins d'époques d'apprentissage et de neurones cachés, tandis que les tâches plus complexes impliquant plusieurs variables ont montré des performances inférieures, notamment lors de l'utilisation d'apports combinés tryptophane-vitamine A.
Mostrar más [+] Menos [-]Palabras clave de AGROVOC
Información bibliográfica
Este registro bibliográfico ha sido proporcionado por Institut national de la recherche agronomique