相关实验视频
Updated: Jul 11, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.5K
基于事物的人工智能芝麻油评估器的设计,用于使用气体传感器和深度学习机制进行质量评估
Hao-Hsiang Ku1, Ching-Fu Lung2, Ching-Ho Chi3
1Institute of Food Safety and Risk Management, National Taiwan Ocean University, Keelung City 202301, Taiwan.
Foods (Basel, Switzerland)
|November 14, 2023
概括
这项研究引入了一个AIoT平台,用于使用传感器和深度学习来评估芝麻油质量. 它为质量测量和供应链观察提供了一个快速的数字化解决方案.
科学领域:
- 食品科学 食品科学 食品科学
- 传感器技术 传感器技术
- 人工智能的人工智能
背景情况:
- 传统的石油质量评估依赖于复杂的化学指标,如酸值.
- 目前的方法需要专门的专业知识,并且耗时.
- 需要有效的数字化石油质量评估.
研究的目的:
- 设计和提出一个芝麻油质量评估服务平台.
- 为了能够快速准确地评估芝麻油的质量.
- 为应对石油质量数字化和供应链观察方面的挑战.
主要方法:
- 开发一个带有AIoT传感器的智能芝麻油评估器 (ISO评估器).
- 使用深度学习模型:人工神经网络 (ANN),卷积神经网络 (CNN) 和长短期记忆 (LSTM).
- 检测挥发性气体和油的颜色变化,用于质量评估.
主要成果:
- 在CNN-ANN模型中,石油质量预测的平均绝对百分比误差 (MAPE) 为8.1820%.
- 在LSTM模型中,预测未来质量变化的MAPE值为0.44%.
- 传感器MQ2,MQ3,MQ4,MQ7和MQ8显示出正相关性,线性差异分析 (LDA) 值为95.13%.
结论:
- 开发的平台为数字化芝麻油质量评估提供了有效的解决方案.
- 基于AIoT的系统增强了质量测量,供应链观察和可扩展性.
- 整合AIoT传感器和深度学习为食品质量监测提供了一个有希望的方法.
