गेहूं के आटे में बोरैक्स की मिलावट खाद्य सुरक्षा के लिए एक गंभीर जोखिम प्रस्तुत करती है, लेकिन पारंपरिक तेज़ गैर-नाशक स्क्रीनिंग विधियां सीमित हैं। इस अध्ययन में गेहूं के आटे में बोरैक्स की मिलावट पहचानने के लिए मशीन लर्निंग-आधारित माइक्रोवेव गैर-नाशक अर्ध-मात्रात्मक परीक्षण विधि विकसित की गई। एक स्वामित्वाधीन माइक्रोवेव परीक्षण प्रणाली का उपयोग करते हुए, जो 2.5–11.5 GHz बैंड में ब्रॉडबैंड फ़्रीक्वेंसी-डोमेन अम्प्लीट्यूड अटेन्यूएशन और फ़ेज़ शिफ्ट प्रतिक्रियाएं प्राप्त करती है, 155 नमूनों से अम्प्लीट्यूड अटेन्यूएशन स्पेक्ट्रा और आयामी फ़ेज़ ऑफ़सेट स्पेक्ट्रा प्राप्त किए गए, जिन्हें तीन मिलावट स्तरों (0%, 0.1–0.9%, 1–5%) पर तैयार किया गया था। ये नमूने वास्तविक दुनिया के मिलावट परिदृश्यों का अनुकरण करते हैं। उच्च-आयामिकता और वर्ग असंतुलन के मुद्दों को हल करने के लिए, गुणात्मक चयन और मॉडल हायपरपैरामीटर को एकीकृत रूप से ऑप्टिमाइज़ करने के लिए एक हाइब्रिड रैंडम फॉरेस्ट-व्हेल ऑप्टिमाइजेशन एल्गोरिदम (RF-WOA) का प्रयोग किया गया। क्रमबद्ध दोहराई गई पुष्टि और मैक्रो-स्तरीय मेट्रिक मूल्यांकन के माध्यम से, इस दृष्टिकोण ने 94.6% की कुल वर्गीकरण सटीकता और 0.95 का मैक्रो F1 स्कोर हासिल किया, जबकि मूल 1800-आयामी फ़ीचर स्पेस को लगभग 200 प्रभावी फ़ीचर्स में संकुचित कर दिया। उलझन मैट्रिक्स विश्लेषण ने डाईलयूटेड नमूनों के लिए 100% पुनःकाल के संकेत दिए, मुख्य रूप से सटे हुए मिलावट स्तरों के बीच गलत वर्गीकरण हुए और मिलावट वाले नमूनों के लिए कोई गलत नकारात्मक नहीं आया। ये परिणाम दर्शाते हैं कि माइक्रोवेव सेंसरिंग RF-WOA के साथ मिलकर गेहूं के आटे में बोरैक्स मिलावट के लिए एक तेज़, गैर-नाशक और मजबूत प्राथमिक स्क्रीनिंग और ग्रेडिंग मूल्यांकन रणनीति प्रदान करता है, जो खाद्य सुरक्षा निगरानी और नियामक निरीक्षण में महत्वपूर्ण क्षमता प्रदर्शित करता है।
कांग एट अल। (मॉन,) ने इस प्रश्न का अध्ययन किया।