人工智能（néng）助力飼料中黴菌毒素汙染物的快速篩（shāi）查

近日，中國農業科學院飼料研究所寵物（wù）營養與（yǔ）食（shí）品創（chuàng）新團隊利用人工智能（AI）算法成功實現了對寵物食品中黴菌毒素汙染（rǎn）物的快速篩查，為（wéi）寵物食品的安（ān）全監管提供了更加智能化、精準化的技術支持。相關（guān）研究成果發表在期刊《Toxins（毒素）》上。

黴菌毒素因其潛在（zài）的毒性對寵物健康構成嚴重威脅。傳統的黴菌毒素檢測方法，如質譜法和（hé）酶聯免疫法通常需要較長的檢測時間和較高的成本（běn），限製了其在快速（sù）篩查中的應用。

研究團隊將AI領域的機器學習算法與電子鼻技術相結合，開（kāi）發出一種全新的智能（néng）化檢測方法。電子鼻技術能夠（gòu）在（zài）短（duǎn）時間（jiān）內無損地（dì）捕捉樣品的揮發性（xìng）氣味特征，這（zhè）些特（tè）征（zhēng）數據隨後（hòu）被用於訓練機器學習模型，從而預測黴菌毒素（sù）汙染水平。研究結果表明, 在單一模（mó）型中，多層感知機（MLP）算法的分類準確（què）率最高，達到86.6%。通（tōng）過集成模（mó）型（Model Ensemble）綜合多種單一模型的預測（cè）結果，分類準確率進一步提（tí）升至90.1%。相比傳統的（de）檢測方（fāng）法，機器學習算法（fǎ）不僅顯著縮短了檢測（cè）時間（jiān），還大（dà）幅降（jiàng）低了檢測成本，展（zhǎn）現了巨大的應用潛力。

該研究得到中國農業科學院（yuàn）科技創新工程和基本科（kē）研業務費專項的資助。