相关实验视频
Updated: Jun 30, 2025
14:49
Self-reporting Scaffolds for 3-Dimensional Cell Culture
Published on: November 7, 2013
13.3K
整合兰化物MOFs/基于甲基纤维素的光传感器阵列和深度学习,用于监测鱼的新鲜度
Xia Xu1, Xinyu Wang2, Yicheng Ding2
1College of Food Science and Technology, Zhejiang University of Technology, Hangzhou 310014, PR China; Zhejiang Key Laboratory of Green, Low-carbon and Efficient Development of Marine Fishery Resources, Hangzhou 310014, PR China; National R&D Branch Center for Pelagic Aquatic Products Processing (Hangzhou), Hangzhou 310014, PR China.
International journal of biological macromolecules
|March 22, 2024
概括
使用EuMOF,FITC和MC的新光传感器阵列可以实时监测鱼的新鲜度. 该系统与人工智能相结合,准确检测腐烂气体并评估鱼类质量.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 生物技术是生物技术.
背景情况:
- 由于鱼类的营养成分,鱼类的腐烂带来了保护方面的挑战.
- 开发快速,准确的方法来监测鱼的新鲜度对于食品安全和质量控制至关重要.
研究的目的:
- 开发一种新的光传感器阵列,用于实时监测鱼肉新鲜度.
- 将化金属有机框架 (Ln-MOF) 与其他材料集成,以提高传感器性能.
- 利用人工智能提高新鲜度评估的准确性.
主要方法:
- 制造EuMOF-FITC/MC光薄膜. 这种光薄膜的制造.
- 薄膜特性 (光,形态,机械,疏水性) 的表征.
- 使用腐烂气体和基于智能手机的设备评估传感器阵列的有效性.
- 卷积神经网络 (CNN) 模型用于数据分析的应用.
主要成果:
- 欧莫夫-FITC/MC薄膜表现出极好的光,形态,机械性能和疏水性.
- 传感器阵列在20分钟内检测到腐烂气体,从而可以用肉眼初步评估鱼的新鲜度.
- 四个CNN模型在新鲜度评估中实现了超过93%的准确性.
- 该ResNext-101模型达到98.97%的高精度.
结论:
- 基于EuMOF的光传感器阵列提供了一种可靠的实时鱼类新鲜度监测方法.
- 与CNN模型的集成显著提高了鱼类腐烂检测的准确性和可靠性.
- 这项技术有望提高食品安全,减少海鲜行业的收获后损失.
