预测太平洋 (Crassostrea gigas) 新鲜度的智能方法使用深度学习与马隆迪甲基和总硫基组信息融合
Tao Lu1,2, Fanqianhui Yu3,4,5, Baokun Han6
1School of Mechanical and Automotive Engineering, Qingdao University of Technology, Qingdao 266520, China.
Foods (Basel, Switzerland)
|October 14, 2023
概括
本研究介绍了一种人工智能方法,用于快速,非破坏性的的新鲜度检测,使用深度学习和化学标记. 该系统准确地预测了malondialdehyde (MDA) 和总硫 (SH) 含量,从而能够精确地评估新鲜度.
科学领域:
- 食品科学 食品科学 食品科学
- 人工智能的人工智能
- 生物化学 生物化学
背景情况:
- 的新鲜度对于食品安全和质量至关重要.
- 评估的新鲜度的传统方法往往是破坏性的,耗时的,或缺乏精度.
- 开发快速,非破坏性的技术对于海鲜行业至关重要.
研究的目的:
- 开发一种智能,非破坏性的方法,快速检测的新鲜度.
- 将深度学习与生物化学标记物 (malondialdehyde和总硫基) 整合在一起,以评估新鲜度.
- 基于图像分析,创建一个预测模型来估计的新鲜度.
主要方法:
- 构建一个"MDA-SH-存储日"多项式适配模型和肉图像数据集.
- 开发用于图像分析的AleNet-MDA和AlxNet-SH深度学习分类模型.
- 将分类模型输出与用于快速新鲜度参数估计的预测模型合并.
主要成果:
- 阿勒网-MDA和阿尔克斯网-SH模型实现了高分类准确度,分别为92.72%和94.06%.
- 综合系统准确地预测了0.03毫秒内马隆迪甲 (MDA) 含量,总硫 (SH) 含量和储存日.
- 功能可视化证实了深度学习模型在评估肉图像中的可解释性.
结论:
- 提出的智能方法为预测的新鲜度提供了一种新的,快速的,非破坏性的方法.
- 这项研究表明了结合计算机视觉和人工智能的潜力,以进行先进的食品质量评估.
- 这些发现为在海鲜行业开发智能系统以加强质量控制提供了基础.


