基于便携式拉曼光谱的威士忌识别机器学习算法

威士忌等高价值产品的可靠识别是一个日益重要的领域，因为品牌替换（即假冒产品）和质量控制等问题对行业至关重要。我们研究了一系列机器学习算法，并将其直接与便携式拉曼光谱设备接口，以识别和表征商业威士忌样品的乙醇/甲醇浓度。我们证明，机器学习模型在二十八个商业样品的品牌识别中可达到超过 99% 的准确率。为展示该方法的灵活性，我们利用相同样品和算法量化乙醇浓度，并测量加标威士忌样品中的甲醇水平。随后，我们的机器学习技术与透瓶方法相结合，无需将样品从原容器中倒出即可进行光谱分析和识别，显示了该方法在检测假冒或掺假烈酒及其他高价值液体样品方面的实际潜力。