机器视觉带有基于CMOS的高光谱成像传感器,可以检测肉类的新鲜度
Suyeon Lee1, Hyochul Kim1, Seokin Kim2
1Samsung Advanced Institute of Technology, Suwon, Gyeonggi-do 16678, Republic of Korea.
ACS sensors
|December 25, 2024
概括
这项研究引入了一个超光谱成像系统 (HIS) 和机器学习 (ML) 来用基于光的新鲜度指数 (FI) 来量化肉类的新鲜度. 这项技术为消费电子产品提供先进的机器视觉.
科学领域:
- 计算传感传感是一种计算传感.
- 机器视觉 机器视觉 机器视觉
- 频谱学是一种光谱学.
背景情况:
- 量化消费电子产品材料的感觉特性是一项挑战.
- 超光谱成像 (HIS) 可以同时捕获空间和光谱数据,用于非破坏性的遥感.
- 机器学习 (ML) 技术可以有效地处理复杂的超谱数据.
研究的目的:
- 开发一种可测量的物理量,即新鲜度指数 (FI),用于评估肉类的新鲜度.
- 为先进的食品检查应用集成HIS和ML.
- 为了展示这个系统在冰箱和智能手机等消费电子产品中的潜力.
主要方法:
- 使用高光谱成像系统 (HIS) 来获取数据.
- 采用机器学习 (ML) 技术,包括线性分辨率和二次元组分分析.
- 定义了基于肉类光的新鲜度指数 (FI),将其与细菌密度相关联.
主要成果:
- 成功将肉的新鲜度转换为可量化的新鲜度指数 (FI).
- 使用ML证明了高效处理超光谱数据.
- 表明FI可以从未知新鲜度状态的超谱数据中估计.
结论:
- 与ML集成的HIS充当了高级机器视觉的"人工眼睛和大脑".
- 这种计算传感系统为超个性化和定制提供了先进的传感多功能性.
- 开发的方法提供了一种非破坏性的,高效的方法来评估肉的新鲜度.
更多相关视频
08:49Author Spotlight: Unveiling the Potential of VSFG Microscopy in Studying Mesoscopically Heterogeneous Self-Assembled Structures
Published on: December 1, 2023
1.3K
06:28Author Spotlight: Unraveling Plant Responses to Abiotic Stresses Using the PlantScreen Robotic Platform
Published on: June 7, 2024
1.7K
