相关实验视频
Updated: May 21, 2025
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
食品和机器学习的数据完整性:战略,进展和前景
Chenming Li1, Jieqing Li2, Yuan-Zhong Wang3
1College of Food Science and Technology, Yunnan Agricultural University, Kunming, 650201, China; Medicinal Plants Research Institute, Yunnan, Academy of Agricultural Sciences, Kunming, 650200, China.
食品行业的数据完整性需要连接数据,算法和应用程序. 机器学习 (ML) 为实现这一目标提供了一条道路,通过先进的数据分析来提高食品质量和安全性.
科学领域:
- 食品科学与技术 食品科学与技术
- 数据科学数据科学数据科学
- 人工智能的人工智能
背景情况:
- 数据完整性对于准确记录整个供应链中的食品特性至关重要.
- 当前的食品控制数据往往是片面的,阻碍了全面的数据完整性实施.
- 机器学习 (ML) 为实际食品数据完整性提供了一个潜在的解决方案.
研究的目的:
- 探索使用机器学习实现食品数据完整性的可行性.
- 审查有关食品数据完整性的先进的ML概念和数据解释工具.
- 想象人工智能对食品数据完整性的未来影响.
主要方法:
- 在食品质量和安全方面对ML应用的系统审查.
- 分析不同ML算法与食品数据模式之间的关系.
- 对食品行业的ML先进数据解释工具的审查.
主要成果:
- 在食品质量和安全方面的ML应用目前是肤浅的,缺乏对算法数据关系的深入分析.
- 在系统审查高级ML概念和食品完整性数据解释工具方面存在差距.
- 建立数据-算法-应用程序连接是实现食品数据完整性的关键.
结论:
- 机器学习是实现食品数据完整性的可行工具.
- 需要进一步的研究来系统地审查食品应用的ML算法和数据解释工具.
- 人工智能对推进食品数据完整性和安全性具有重大前景.
更多相关视频
06:21Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method
Published on: February 19, 2021
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
