基于矿物元素轮廓的蜂蜜掺假检测机器学习方法
机器学习
2025-08-01 v1
摘要
本文旨在开发一种基于蜂蜜矿物元素轮廓的机器学习(ML)系统用于检测蜂蜜掺假。所提系统包含两个阶段:预处理阶段和分类阶段。在预处理阶段,我们对缺失属性值和归一化进行处理。在分类阶段,我们使用三种监督 ML 模型:逻辑回归、决策树和随机森林,用于在真蜂蜜和掺假蜂蜜之间进行判别。为评估所用 ML 模型的性能,我们采用一个公开数据集,该数据集包含真蜂蜜、糖浆和掺假蜂蜜矿物元素含量的测量值。实验结果表明,蜂蜜中的矿物元素内容为检测蜂蜜掺假提供了稳健的判别信息。结果还表明,基于随机森林的分类器在该数据集上优于其他分类器,实现的最高交叉验证准确率为 98.37%。
引用
@article{arxiv.2507.23412,
title = {A Machine Learning Approach for Honey Adulteration Detection using Mineral Element Profiles},
author = {Mokhtar A. Al-Awadhi and Ratnadeep R. Deshmukh},
journal= {arXiv preprint arXiv:2507.23412},
year = {2025}
}