基于光传感阵列和深度学习的肉类新鲜度快速实时监测:从开发到部署
Yuandong Lin1, Ji Ma1, Da-Wen Sun2
1School of Food Science and Engineering, South China University of Technology, Guangzhou 510641, China; Academy of Contemporary Food Engineering, South China University of Technology, Guangzhou Higher Education Mega Centre, Guangzhou 510006, China; Engineering and Technological Research Centre of Guangdong Province on Intelligent Sensing and Process Control of Cold Chain Foods, & Guangdong Province Engineering Laboratory for Intelligent Cold Chain Logistics Equipment for Agricultural Products, Guangzhou Higher Education Mega Centre, Guangzhou 510006, China.
Food chemistry
|March 25, 2024
概括
一个新的光传感器阵列 (FSA) 与深度学习 (DL) 结合,提供实时的肉类新鲜度监测. 该系统精确检测腐烂气体,并对肉质进行视觉评估,从而实现快速,智能化的食品安全解决方案.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 人工智能的人工智能
背景情况:
- 实时监测肉类新鲜度对于食品安全和质量控制至关重要.
- 评估肉类腐烂的传统方法往往耗时或缺乏灵敏度.
- 需要开发快速,准确和可部署的传感技术.
研究的目的:
- 开发和部署一个智能系统,用于实时监测肉类新鲜度,使用光传感器阵列 (FSA) 和深度学习 (DL).
- 量和质地检测腐烂气体 (氨,二甲基胺,三甲基胺) 并视觉评估肉类的新鲜度.
- 为了使开发的系统能够在各种平台上部署.
主要方法:
- 使用铜金属纳米集群 (CuNC) 和光染料制造光传感器阵列 (FSA).
- 应用深度学习 (DL) 模型,特别是SqueezeNet,用于对FSA输出的图像分析.
- 利用开放的神经网络交换 (ONNX) 在不同平台 (PC,移动设备,网站) 上部署系统.
- 采用像Grad-CAM和UMAP这样的解释算法来实现模型的解释性.
主要成果:
- 食品安全局在检测氨,二甲基胺和三甲基胺气体方面表现出高灵敏度 (检测极限低至131.56ppb).
- 在从FSA图像中识别肉的新鲜度水平时,SqueezeNet取得了高准确性 (98.17%).
- 整个肉类新鲜度识别过程在57秒内迅速完成.
- 该系统在多个平台上成功部署,展示了其实际适用性.
结论:
- 集成的FSA和DL系统为智能,实时的肉类新鲜度监测提供了有效的解决方案.
- 该系统提供高精度,快速检测和广泛部署,解决传统方法的局限性.
- 这种方法代表了智能食品安全技术的重大进步,提高了透明度和可靠性.
