可见特征工程用于检测黑和红的欺诈行为
Mohammad Hossein Nargesi1, Kamran Kheiralipour2
1Mechanical Engineering of Biosystems Department, Ilam University, Ilam, Iran.
Scientific reports
|October 25, 2024
概括
可见图像精确检测使用机器学习的黑色和红色胡的海泡伪造. 这种食品安全技术有效地识别欺诈水平,确保产品的完整性.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 计算机科学 计算机科学
背景情况:
- 可见成像提供了一种快速,经济有效和精确的方法来评估食品质量和安全.
- 在像胡这样的食品中检测 adulterants 对于消费者保护和市场完整性至关重要.
研究的目的:
- 调查可见成像与机器学习相结合的有效性,以检测黑和红中不同程度的海泡伪造的不同程度.
- 为了比较人工神经网络 (ANN) 和支持矢量机 (SVM) 分类器在识别杂物度方面的性能.
主要方法:
- 准备了黑胡和红胡的样本,已知含有海泡杂质 (0-50%) 的样本.
- 进行了图像采集,预处理和特征工程 (提取,选择).
- 包括ANN和SVM在内的分类器受过培训,并使用准确度,精度,灵敏度和特异性等指标进行评估.
主要成果:
- 可见成像和机器学习有效地检测了两种胡类型的海泡 adulterant 水平.
- 在黑胡分类方面,ANN表现优异,准确度高 (98.22%).
- 在红分类方面,SVM显示了更高的性能指标,准确度达到99.11%.
结论:
- 可见图像与机器学习算法相结合,为检测香料中的食品欺诈提供了强大的解决方案.
- 该研究验证了这些技术在确保胡产品的真实性和安全性方面的潜力.
- 不同的机器学习模型可能根据特定的食物矩阵和改特征提供不同的最佳性能.
