相关实验视频
Updated: Jul 8, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.5K
大豆的地理可追溯性:电子鼻子与有效的深度学习方法相结合
Huaxin Sun1, Zhijie Hua1, Chongbo Yin2
1School of Automation Engineering, Northeast Electric Power University, Jilin 132012, China; Bionic Sensing and Pattern Recognition Team, Northeast Electric Power University, Jilin 132012, China.
Food chemistry
|December 17, 2023
概括
这项研究引入了一个自适应的卷积内核通道注意网络 (AKCA-Net) 与电子鼻子 (e-nose) 进行大豆质量追溯. 这种方法可以根据原产地准确识别大豆的质量,防止欺诈和确保质量标准.
科学领域:
- 农业科学 农业科学
- 人工智能的人工智能
- 感官科学 感官科学
背景情况:
- 大豆的质量与地理原产地有关,导致市场欺诈.
- 准确的可追溯大豆质量对于农业完整性至关重要.
研究的目的:
- 开发一个有效的系统,使大豆质量可追溯.
- 利用先进的人工智能来识别基于大豆来源的质量差异.
主要方法:
- 使用电子鼻子 (e-nose) 来收集来自不同来源的大豆的气体概况.
- 开发了一个适应性的卷积内核通道注意 (AKCA) 模块用于特征提取.
- 提出了AKCA-Net,将AKCA模块集成到深层气管相互依赖模型中.
主要成果:
- 在大豆质量识别方面,AKCA-Net实现了高准确度 (98.21%),精度 (98.57%) 和回忆 (98.60%).
- 与现有的注意力机制相比,其表现优越.
- 根据原产地特定的气体信息,成功确定了大豆的质量.
结论:
- 结合AKCA-Net和e-nose,为大豆质量可追溯提供了一个强大而准确的解决方案.
- 这种方法有效地解决了替代低质量的大豆的问题.
- 拟议的方法确保大豆供应链中的真实性和质量标准.
