深度学习辅助的自我清洁纤维素色度传感器阵列用于监测黑茶枯动态
Yu Wang1, Jiazhen Cai1, Hao Lin1
1School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, PR China.
Food chemistry
|May 22, 2025
概括
这项研究开发了一种环保的传感器阵列,用于监测黑茶枯阶段. 传感器使用深度学习模型准确评估挥发性有机化合物,确保茶的质量.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
背景情况:
- 枯过程显著影响了黑茶的香气和质量.
- 精确监测茶叶枯阶段对于一致的产品开发至关重要.
- 评估茶叶质量的现有方法可能是劳动密集型和主观的.
研究的目的:
- 开发一种基于纤维素薄膜的环保色度传感器阵列 (CSA),用于检测挥发性有机化合物 (VOC).
- 通过使用开发的CSA和深度学习来评估黑茶的枯竭阶段.
- 为智能传感器应用引入可持续制造战略.
主要方法:
- 通过TiO2附件制造一种自清洁的TiO2-纤维素薄膜.
- 使用八基三西兰 (OTS) 制造功能化的纤维素薄膜,具有疏水性非感应区域.
- 制备OTS/TiO2-CSA通过滴涂涂料涂在水友感应区域上,增强耐湿性.
- 使用长短期记忆深度学习模型进行数据分析和阶段评估.
主要成果:
- 制造的OTS/TiO2-CSA表现出更好的耐湿性.
- 传感器阵列与深度学习模型相结合,在识别茶叶枯阶段方面实现了90%的准确性.
- 在有限的紫外线照射下,传感器染料呈现出显著的降解 (>70%),表明可能受到控制的使用或处置.
结论:
- 一个智能,环保的OTS/TiO2-CSA成功地使用一种新的策略制造出来.
- 开发的传感器阵列显示出作为实时监测茶叶枯的可持续工具的巨大潜力.
- 这种方法为黑茶行业的质量控制提供了有希望的进步.
