Sử dụng mô hình học sâu dự đoán hàm lượng vi chất của thực phẩm sau chế biến

Tóm tắt

Hiểu rõ hàm lượng dinh dưỡng trong thực phẩm sau khi chế biến có ý nghĩa quan trọng đối với ngành công nghiệp chế biến thực phẩm. Việc lựa chọn phương pháp chế biến phù hợp cho phép người dùng giữ lại được những vi chất bổ dưỡng tốt cho sức khoẻ. Thực tế, việc thu thập thông tin vi lượng của thực phẩm trước và sau chế biến đặt ra nhiều thách thức do sự biến đổi sinh học, sự tương tác của các thành phần trong món ăn. Cách tiếp cận hiện nay là thu thập dữ liệu từng thành phần dinh dưỡng trước và sau khi chế biến. Sau đó, các mô hình học máy thông thường sẽ sử dụng dữ liệu này để đưa ra kết quả dự báo tốt nhưng độ ổn định còn hạn chế. Do đó, nghiên cứu này đề xuất sử dụng mô hình học sâu để huấn luyện trên bộ dữ liệu với 27 thành phần dinh dưỡng thay đổi qua hai quá trình chế biến nhiệt ẩm (luộc) và nhiệt khô (chiên) trích xuất từ bộ dữ liệu tham chiếu tiêu chuẩn của Hoa Kỳ. Kết quả cho thấy mô hình dự báo chính xác và cải thiện độ ổn định dự báo thêm 8,6%. Nghiên cứu cũng cho thấy tiềm năng trong việc nghiên cứu, cải tiến các mô hình học sâu trong dự báo thành phần dinh dưỡng sau chế biến trong các quy trình chế biến thực phẩm.