为多种海洋鱼类开发基于机器学习的保质期预测模型,并构建实时预测平台
Fangchao Cui1, Shiwei Zheng1, Dangfeng Wang2
1College of Food Science and Technology, Bohai University; National & Local Joint Engineering Research Center of Storage, Processing and Safety Control Technology for Fresh Agricultural and Aquatic Products, China Light Industry Key Laboratory of Marine Fish Processing, Jinzhou, Liaoning, 121013, China.
Food chemistry
|April 16, 2024
概括
这项研究引入了一种机器学习模型,可以实时预测海鲜的新鲜度. 辐射基函数模型准确地预测了多种鱼类和温度的保质期,提高了食品安全.
科学领域:
- 食品科学与技术 食品科学与技术
- 机器学习应用 机器学习应用
- 海产品质量评估 海产品质量评估
背景情况:
- 全球海产品严重腐烂 (每年超过1000万),需要实时监测新鲜度.
- 目前的方法往往缺乏对各种鱼类和储存条件所需的精度和范围.
研究的目的:
- 开发一种新的多目标机器学习模型,用于预测五种海洋鱼类的保质期.
- 通过使用各种质量指标,在多个存储温度上实现同时预测.
主要方法:
- 利用了四个机器学习算法,包括辐射基函数 (RBF) 模型.
- 输入特征包括14个变量:物种,温度,总活力计数,K值,总挥发性基本,感觉数据和E-鼻子-GC-MS/MS.
- 开发了一个基于最佳RBF模型的实时预测平台.
主要成果:
- 辐射基函数模型表现出优异的性能,所有测试样品的绝对误差低于0.5.
- 实现了准确的,多目标的海鲜保质期实时预测.
- 成功地将模型集成到一个实用的实时预测平台中.
结论:
- 开发的机器学习模型为实时的海产品质量和安全评估提供了科学基础.
- 提供技术支持,以减少收获后的损失,并确保消费者安全.
- 突出了人工智能在彻底改变食品质量监测系统方面的潜力.
