使用基于瞳孔颜色的计算机视觉和机器学习技术,对大黄 (Pseudosciaena crocea) 的非破坏性新鲜度预测
Xudong Wu1,2, Qingxiang Zhang1, Zhiqiang Wang3
1College of Agricultural Engineering and Food Science, Shandong University of Technology, Zibo, China.
Journal of food science
|October 30, 2024
概括
本研究介绍了一种使用计算机视觉和机器学习来预测鱼的新鲜度的非破坏性方法. 瞳孔颜色分析准确地预测了关键质量指标,如总挥发性基本 (TVB-N) 和微生物计数.
科学领域:
- 食品科学 食品科学 食品科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 传统的鱼类新鲜度评估方法具有破坏性,复杂性和昂贵性.
- 客观,实时的新鲜度评估对海鲜行业至关重要.
研究的目的:
- 开发一种非破坏性的方法来预测大型黄色鱼的新鲜度.
- 评估计算机视觉和机器学习算法在评估鱼类质量的有效性.
主要方法:
- 使用计算机视觉和瞳孔颜色参数来评估鱼的新鲜度.
- 使用了机器学习模型,包括随机森林回归 (RFR) 和逆向传播神经网络 (BPNN).
- 模型预测了生物化学指标 (TVB-N,TBA) 和微生物计数 (TVC).
主要成果:
- 该RFR模型在预测总挥发性基本 (TVB-N) (R-平方=0.993) 和总可生存数 (TVC) (R-平方=0.935) 方面取得了很高的准确性.
- BPNN模型在预测硫巴比酸 (TBA) 值方面表现出强的表现 (R-平方=0.959).
- 对于所有测试的指标,RFR显示了最低的根平均平方误差值,证实了其预测能力.
结论:
- 计算机视觉与机器学习相结合,特别是RFR,提供了一种可靠且非破坏性的方法来预测鱼的新鲜度.
- 监测瞳孔颜色的变化是冷鱼的实时质量评估的有效策略.
- 这项技术在整个海鲜供应链中对质量检查员有实际应用.
