使用深度学习辅助光谱学快速识别假冒牛肉:检测着染料和固化剂的改
Eunjung Jo1, Youngjoo Lee2, Yumi Lee2
1Department of Biomedical Science and Engineering, Gwangju Institute of Science and Technology (GIST), 123 Cheomdangwagi-ro, Buk-gu, Gwangju, 61005, Republic of Korea; Department of Artificial Intelligence, Korea University, 145 Anam-ro, Seongbuk-gu, Seoul, 02841, Republic of Korea.
概括
本研究提出了一种深度学习光谱方法,用于检测假冒牛肉. 这种先进的技术可以准确识别伪造的肉类,确保食品安全和产品完整性.
科学领域:
- 食品科学 食品科学 食品科学
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 由于肉类改,食品安全问题越来越严重.
- 传统方法难以检测肉制品中的微妙变化.
- 先进的检测技术对于确保肉质量至关重要.
研究的目的:
- 开发一种基于深度学习的光谱方法,用于检测假冒牛肉.
- 评估方法在广泛的光谱范围中的有效性.
- 为了确定关键的光谱区域进行准确的分类.
主要方法:
- 在60个牛肉样本上利用了344-1040nm光谱范围的深度学习.
- 应用梯度加权类激活映射来识别有影响力的光谱区域.
- 在一个由70个牛肉样本组成的外部集上验证了模型.
主要成果:
- 实现了98.84%的分类准确度,用于检测假冒牛肉.
- 确定了580-600纳米的光谱范围作为极具影响力的.
- 即使仅使用580-600nm范围,也保持了高精度.
- 超过了传统的机器学习算法 (SVM,逻辑回归).
结论:
- 深度学习光谱学提供了一种非常准确的方法来检测假冒牛肉.
- 580-600纳米的光谱范围对于识别造牛肉至关重要.
- 这项技术提高了食品安全,并保护了肉类行业的完整性.
更多相关视频
07:10Fluorescent Paper Strips for the Detection of Diesel Adulteration with Smartphone Read-out
Published on: November 9, 2018
9.5K
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
2.1K
