相关实验视频
Updated: Jun 17, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
机器学习在智能食品安全方面的前沿
Jinxin Liu1, Jessica Bensimon1, Xiaonan Lu1
1Department of Food Science and Agricultural Chemistry, McGill University, Montreal, QC, Canada.
Advances in food and nutrition research
|August 5, 2024
概括
机器学习 (ML) 提高了整个供应链的智能食品安全,从农场到消费者. 解决数据可用性和模型透明度等挑战将释放ML在确保食品质量和预防疫情方面的全部潜力.
科学领域:
- 食品科学 食品科学 食品科学
- 计算机科学 计算机科学
- 公共卫生 公共卫生
背景情况:
- 智能食品安全正在随着机器学习 (ML) 集成而发展.
- ML为食品质量和安全管理提供了变革性的潜力.
- 从农业到消费者交付的食品供应链可以从ML应用中受益.
研究的目的:
- 讨论ML在智能食品安全方面的能力.
- 详细说明在食品科学和安全方面的特定ML应用.
- 确定食品安全中的ML的挑战和未来方向.
主要方法:
- 在整个食品供应链中审查ML能力.
- 关于ML应用的案例研究:酒口味增强,使用NLP预测食品安全事件,以及用于疾病爆发检测的社交媒体.
- 对挑战 (数据可用性,可靠性,透明度) 和影响 (社会,行业,监管) 的分析.
主要成果:
- ML可以改善酒的风味.
- 自然语言处理 (NLP) 可以预测食品安全事件.
- 社交媒体分析有助于检测食物传播疾病的爆发.
- 目前的ML应用在数据,可靠性和透明度方面面临障碍.
结论:
- 战略性地实施ML是推动智能食品安全的关键.
- 克服当前的挑战对于实现ML的全部潜力至关重要.
- 适应人工智能时代的社会,行业和监管变化对于未来的食品安全至关重要.
更多相关视频
07:47Design and Evaluation of Smart Glasses for Food Intake and Physical Activity Classification
Published on: February 14, 2018
11.2K
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
12.3K
