Integration of machine learning techniques in chemometrics practices

Autor: Triggiani, Maurizio
Jazyk: angličtina
Rok vydání: 2022
Předmět:
rivoluzione verde e industria 4.0 sono aree di studio che necessitano di pratiche e approcci innovativi impossibili senza un monitoraggio dei processi preciso e costante. La necessità di una valutazione della qualità del prodotto durante l'intera supply chain è fondamentale così come la riduzione dei costi. L'analisi di risonanza magnetica nucleare (NMR) ‘’non-targeted’’ è ancora un approccio poco utilizzato per l'analisi e il monitoraggio degli alimenti. Uno dei problemi di questo approccio è la grande quantità di informazioni restituite. Questo tipo di dati necessita pertanto di un metodo di gestione e analisi nuovo e migliorato. Le pratiche di chemometriche classiche non sono adatte a questo nuovo strumento di indagine. In questa tesi
non dovremo solo creare dataset di qualità
abbiamo affrontato il problema del fingerprinting e della discriminazione degli alimenti mediante spettroscopia NMR ‘’non-targeted’’ combinata con moderni algoritmi di machine learning pensati per il corretto e facile accesso ai dati. L'introduzione di tecniche di apprendimento automatico permette un nuovo livello di complessità delle analisi ma allo stesso tempo introducono una nuova problematica per quanto riguarda invece la necessità di fonti di dati affidabili per l'addestramento e l'integrità degli algoritmi di machine learning
ma dovremo essere preparati a difenderci anche da attacchi studiati per mettere in difficoltà algoritmi di apprendimento automatico. Confrontando i risultati dei sistemi di apprendimento automatico con il classico approccio chemometrico evidenzieremo i punti di forza e di debolezza di entrambi gli approcci e li utilizzeremo per preparare un framework necessario per affrontare le sfide future
Settore ING-INF/05 - Sistemi di Elaborazione delle Informazioni
agricoltura di precisione
La sicurezza alimentare è un obiettivo chiave in tutti i piani di sviluppo dell'Unione Europea. Per garantire la qualità e la sostenibilità della produzione agricola è necessaria una strategia ben progettata. Cambiamenti climatici
agricoltura di precisione
rivoluzione verde e industria 4.0 sono aree di studio che necessitano di pratiche e approcci innovativi impossibili senza un monitoraggio dei processi preciso e costante. La necessità di una valutazione della qualità del prodotto durante l'intera supply chain è fondamentale così come la riduzione dei costi. L'analisi di risonanza magnetica nucleare (NMR) ‘’non-targeted’’ è ancora un approccio poco utilizzato per l'analisi e il monitoraggio degli alimenti. Uno dei problemi di questo approccio è la grande quantità di informazioni restituite. Questo tipo di dati necessita pertanto di un metodo di gestione e analisi nuovo e migliorato. Le pratiche di chemometriche classiche non sono adatte a questo nuovo strumento di indagine. In questa tesi
abbiamo affrontato il problema del fingerprinting e della discriminazione degli alimenti mediante spettroscopia NMR ‘’non-targeted’’ combinata con moderni algoritmi di machine learning pensati per il corretto e facile accesso ai dati. L'introduzione di tecniche di apprendimento automatico permette un nuovo livello di complessità delle analisi ma allo stesso tempo introducono una nuova problematica per quanto riguarda invece la necessità di fonti di dati affidabili per l'addestramento e l'integrità degli algoritmi di machine learning
se questo tipo di approccio si dimostrerà valido nel mercato globale
non dovremo solo creare dataset di qualità
ma dovremo essere preparati a difenderci anche da attacchi studiati per mettere in difficoltà algoritmi di apprendimento automatico. Confrontando i risultati dei sistemi di apprendimento automatico con il classico approccio chemometrico evidenzieremo i punti di forza e di debolezza di entrambi gli approcci e li utilizzeremo per preparare un framework necessario per affrontare le sfide future
La sicurezza alimentare è un obiettivo chiave in tutti i piani di sviluppo dell'Unione Europea. Per garantire la qualità e la sostenibilità della produzione agricola è necessaria una strategia ben progettata. Cambiamenti climatici
se questo tipo di approccio si dimostrerà valido nel mercato globale
Databáze: OpenAIRE
Externí odkaz: