阵列优化的人工嗅觉传感器,可使成本效益和非破坏性检测毒素污染的玉米
Maozhen Qu1, Yingchao He1, Weidong Xu1
1College of Biosystems Engineering and Food Science, Zhejiang University, China.
Food chemistry
|June 13, 2024
概括
改进的正弦算法 (ISCA) 结合MobileNetV3和人工嗅觉传感器 (AOS) 能够有效检测受菌毒素污染的玉米. 该系统减少了传感器阵列,同时保持了食品安全的高精度和实时性能.
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 * 人工智能
背景情况:
- * 玉米中菌毒素的污染对食品安全构成重大风险.
- * 传统的检测方法往往是昂贵的,耗时的,缺乏现场能力.
- * 人工嗅觉传感器 (AOS) 提供了快速,低成本的气味检测的潜力.
研究的目的:
- * 开发一种低成本,高精度的系统,使用人工嗅觉传感器检测受菌毒素污染的玉米.
- * 优化传感器阵列大小,同时通过与MobileNetV3.3集成的改进的正弦-正弦算法 (ISCA) 保持分类准确性.
- * 实现现场食品安全应用的实时性能.
主要方法:
- * 分析了玉米的挥发性有机化合物,使用一个未经优化的AOS与16个传感器元素 (氨酸和染料附着的纳米复合材料).
- *使用MobileNetV3模型进行分类,准确度超过98.5%.
- *ISCA-MobileNetV3算法通过将传感器阵列从16个元素减少到6个元素,以最小的准确性损失来优化AOS.
主要成果:
- *ISCA-MobileNetV3系统成功地将嗅觉阵列大小减少了60%以上 (从16到6个传感器).
- * 分类准确度仍然很高,与整个阵列相比,仅下降了~1%.
- *在线评估在不到一秒钟内完成,证明了卓越的实时检测能力.
结论:
- * AOS与ISCA-MobileNetV3的集成提供了一种有效和高效的方法来检测玉米中的真菌毒素.
- *通过优化传感器阵列大小,这种方法可以显著降低成本和复杂性.
- * 开发的系统有助于创建负担得起的现场平台,以加强玉米质量控制和食品安全.
