相关实验视频
Updated: Jun 25, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.4K
早期识别腐烂的土豆使用电子鼻子基于特征分离和整体卷积神经网络
Haonan Lin1, Zhenbo Wei1, Changqing Chen2
1Department of Biosystems Engineering, Zhejiang University, 866 Yuhangtang Road, Hangzhou 310058, China.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
使用整体卷积神经网络 (ECNN) 的电子鼻子系统有效检测腐烂的土豆. 一种特征离散方法通过将环境气体干扰降到最低,进一步提高了准确性.
科学领域:
- 农业科学 农业科学
- 传感器技术 传感器技术
- 人工智能的人工智能
背景情况:
- 在储存设施中,由于细微的症状和环境影响,早期发现土豆腐烂至关重要.
- 高密度的储存和不同的环境条件使腐烂土豆的识别变得复杂.
- 现有的方法与腐烂和外部环境因素的不显而易见性质作斗争.
研究的目的:
- 开发一种电子鼻子系统,用于准确识别不同程度腐烂的土豆.
- 通过减轻环境气体的干扰来提高检测准确度.
- 为了评估集合卷积神经网络 (ECNN) 对于腐烂检测的性能.
主要方法:
- 设计了一个电子鼻子系统,利用集体卷积神经网络 (ECNN) 来进行特征提取.
- 分析了三种类型的土豆:正常的,轻微腐烂的和完全腐烂的.
- 实施了一种新的特征离散方法,以优化信号并减少环境气体的影响.
主要成果:
- 该ECNN系统在实验室环境中实现了94.70%的高预测准确率,在存储环境中达到90.76%.
- 特性离散方法在各自的环境中提高了1.59%和3.73%的预测准确性.
- 该系统在区分正常,轻微腐烂和完全腐烂的土豆方面表现出强大的性能.
结论:
- 开发的电子鼻子系统由ECNN提供动力,有效地识别了土豆腐烂.
- 拟议的特征离散方法通过减少环境气体干扰,显著改善了腐烂检测.
- 这项技术为土豆储存中早期腐烂检测提供了一个有前途的解决方案.
