相关实验视频
Updated: Jul 14, 2026
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.5K
深度学习与色度传感器阵列一起用于检测Indole,用于非破坏性监测的新鲜度
Lihui Zhang1,2, Min Zhang1,3, Arun S Mujumdar4
1State Key Laboratory of Food Science and Resources, School of Food Science and Technology, Jiangnan University, Wuxi, Jiangsu 214122, China.
ACS applied materials & interfaces
|July 9, 2024
概括
一个新的色度条带传感器阵列检测到的新鲜度,通过改变颜色来响应水平. 这种低成本的智能指标提供了精确的,非破坏性的食品质量监测.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
背景情况:
- 新鲜食品的腐烂是一个重大问题,需要可靠和直观的新鲜度监测方法.
- 印是海鲜腐烂的关键生物标志物,是由微生物活动产生的.
研究的目的:
- 开发一种廉价的,智能色度新鲜度指标,用于对中的内醇进行定量分析.
- 为了创建一个"进度条",就像的新鲜感的视觉表现.
主要方法:
- 使用聚乙烯醇 (PVA) 和酸盐 (Chit) 加上p-dimethylaminocinnamaldehyde (PDL) 的配合制造色度条带传感器阵列.
- 通过观察颜色变化 (淡黄色到粉红/木) 来对不同度的度进行定量分析 (50-350 ppb).
- 开发一个深度学习图像分类系统 (包括VGG16),用于自动化新鲜度评估.
主要成果:
- 用PDL合的PVA/Chit条带表现出极好的稳定性和对道的反应性.
- 在度和颜色强度之间发现了强烈的相关性.
- 传感器阵列在实时实验中准确区分了的新鲜度水平.
- 深度学习算法实现了基于图像的新鲜度识别的高准确度 (VGG16为97.89%).
结论:
- 开发的"进度条"条纹传感器阵列是用于非破坏性,精确和商业可行的食品新鲜度监测的有希望的工具.
- 视觉检查和智能设备识别的结合增强了食品质量评估能力.
