近日，中国农业科学院饲料研究所宠物营养与食品创新团队利用人工智能（AI）算法成功实现了对宠物食品中霉菌毒素污染物的快速筛查，为宠物食品的安全监管提供了更加智能化、精准化的技术支持。相关研究成果发表在期刊《Toxins（毒素）》上。
霉菌毒素因其潜在的毒性对宠物健康构成严重威胁。传统的霉菌毒素检测方法，如质谱法和酶联免疫法通常需要较长的检测时间和较高的成本，限制了其在快速筛查中的应用。
研究团队将AI领域的机器学习算法与电子鼻技术相结合，开发出一种全新的智能化检测方法。电子鼻技术能够在短时间内无损地捕捉样品的挥发性气味特征，这些特征数据随后被用于训练机器学习模型，从而预测霉菌毒素污染水平。研究结果表明,在单一模型中，多层感知机（MLP）算法的分类准确率最高，达到86.6%。通过集成模型（Model Ensemble）综合多种单一模型的预测结果，分类准确率进一步提升至90.1%。相比传统的检测方法，机器学习算法不仅显着缩短了检测时间，还大幅降低了检测成本，展现了巨大的应用潜力。
该研究得到中国农业科学院科技创新工程和基本科研业务费专项的资助。
霉菌毒素因其潜在的毒性对宠物健康构成严重威胁。传统的霉菌毒素检测方法，如质谱法和酶联免疫法通常需要较长的检测时间和较高的成本，限制了其在快速筛查中的应用。
研究团队将AI领域的机器学习算法与电子鼻技术相结合，开发出一种全新的智能化检测方法。电子鼻技术能够在短时间内无损地捕捉样品的挥发性气味特征，这些特征数据随后被用于训练机器学习模型，从而预测霉菌毒素污染水平。研究结果表明,在单一模型中，多层感知机（MLP）算法的分类准确率最高，达到86.6%。通过集成模型（Model Ensemble）综合多种单一模型的预测结果，分类准确率进一步提升至90.1%。相比传统的检测方法，机器学习算法不仅显着缩短了检测时间，还大幅降低了检测成本，展现了巨大的应用潜力。
该研究得到中国农业科学院科技创新工程和基本科研业务费专项的资助。
