一个使用灵活的光电子现场传感系统和多输入多标签因果合体学习的羊羔新鲜度检测模型

科学领域:

• 食品科学与技术 食品科学与技术
• 感官科学 感官科学
• 生物医学工程 生物医学工程

背景情况:

• 准确和实时的肉类新鲜度评估对于食品安全和质量控制至关重要.
• 传统的肉类新鲜度评估方法往往具有破坏性,耗时,缺乏实时功能.
• 开发非破坏性,便携式和准确的传感技术是一个重大的研究挑战.

研究的目的:

• 开发和验证一种新的灵活的光电子传感系统,用于非破坏性,实时的羊肉新鲜度检测.
• 将传感系统与先进的机器学习模型集成在一起,以准确地进行新鲜度分级.
• 评估系统在各种存储条件下的性能,并与传统方法进行比较.

主要方法:

• 使用激光直接写入和传输技术开发灵活的阻抗和光学传感系统.
• 在控制的储存温度下 (0°C,4°C和8°C) 评估羔羊肉的新鲜度.
• 统计分析包括相关性和格兰杰因果关系测试,以验证传感器数据.
• 应用1DCNN-BiLSTM-ATT模型用于新鲜度分级和性能评估.

主要成果:

• 开发的灵活的光电子传感系统展示了可移植性,稳定性和高精度.
• 在物理化学性质,阻抗测量和光谱数据之间观察到适度强的相关性 (r > 0.86).
• 格兰杰因果关系测试证实阻抗和光谱数据之间存在显著的因果关系 (p < 0.05).
• 1DCNN-BiLSTM-ATT模型在羊羔新鲜度分级方面取得了94.57%的卓越准确度.

结论:

• 新型灵活的光电子传感系统为实时预测羊肉新鲜度提供了创新和高效的解决方案.
• 综合学习模型显著提高了新鲜度评估的准确性和可靠性.
• 这项技术有望提高食品安全,减少肉类行业的食物浪费.