使用金属氧化物半导体电子鼻子与长短期记忆特征提取方法相结合,评估鱼粉新鲜度

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 传感器技术 传感器技术

背景情况:

• 准确评估鱼粉的新鲜度对于质量控制和安全至关重要.
• 确定鱼粉新鲜度的传统方法可能是耗时和劳动密集的.
• 电子鼻子 (e-nose) 技术提供了一种快速而非破坏性的方法来评估食品质量.

研究的目的:

• 为了提高鱼粉中总挥发性基本 (TVB-N) 和酸值 (AV) 的分类和回归性能.
• 评估不同特征提取方法的有效性,包括长短期记忆 (LSTM) 网络,用于电子鼻子数据.
• 为了比较各种机器学习算法的性能,以识别新鲜度.

主要方法:

• 使用金属氧化物半导体电子鼻子 (MOS e-nose) 来检测不同新鲜度的鱼粉样本.
• 应用预处理和特征提取技术,包括LSTM网络,到传感器响应数据.
• 采用五种分类算法和四种回归算法进行建模和性能比较.

主要成果:

• LSTM网络将功能减少到30个,显著提高了效率.
• 支持向量机实现了最高的分类准确率95.4%.
• 最小平方支向量回归在TVB-N和AV预测方面表现出色 (R2 > 0.96).

结论:

• 基于LSTM网络的特征提取为电子鼻子数据分析提供了一种新且有效的方法.
• 开发的MOS电子鼻子系统与LSTM显示了准确和快速的鱼粉新鲜度评估的巨大潜力.
• 这种方法为将电子鼻子技术应用于其他来源于动物的材料提供了有价值的参考.