在现场测色仪监测食品变质,使用智能手机嵌入机器学习
Vakkas Doğan1, Melodi Evliya2, Leyla Nesrin Kahyaoglu2
1Department of Electrical and Electronics Engineering, Izmir Katip Celebi University, 35620 Izmir, Turkey.
Talanta
|August 7, 2023
概括
一个使用红菜提取物和智能手机应用程序中的机器学习的新型色度传感器可以快速地在现场检测食物变质. 该系统通过监测挥发性氨基酸来准确识别腐烂,为食品安全提供了用户友好的解决方案.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 生物技术是生物技术.
背景情况:
- 实时监测食物变质对于预防食源性疾病至关重要.
- 检测诸如挥发性氨基酸之类的腐烂指标的传统方法复杂且耗时.
- 红菜提取物中的安托西亚宁具有作为天然色度指标的潜力.
研究的目的:
- 开发一个实时的,现场的食品腐败监测系统.
- 在智能手机应用程序上集成色度传感器与机器学习.
- 为非专业人员提供低成本,易于使用的工具.
主要方法:
- 制造FG-UV-CD100薄膜,通过在紫外线下与碳点 (CDs) 交叉连接富含安托氨酸的红菜提取物 (ARCE) 合的鱼类凝 (FG).
- 开发了一种机器学习 (ML) 分类器,该分类器训练了暴露于不同度氨气蒸汽的薄膜的颜色变化.
- 将ML分类器集成到Android应用程序 (SmartFood++) 中,用于快速的离线分析.
主要成果:
- 开发的色度测量传感系统在检测氨气蒸汽度方面实现了98.8%的分类准确性.
- 嵌入式ML分类器可以在没有互联网接入的情况下大约在0.1秒内进行分析.
- 该系统在实体鱼样上测试时显示出高精度 (99.6%).
结论:
- 基于ARCE的配有嵌入式ML的色度传感系统为现场监测食品变质提供了强大,准确和快速的解决方案.
- 智能手机集成系统提供了一个用户友好和可访问的工具,用于提高食品安全.
- 这种技术比传统的实时食品质量评估方法具有显著的优势.
