基于FPGA的循环神经网络阻抗光谱系统用于检测金枪鱼中的YAKE
Rafael Gadea-Girones1, Jose M Monzo2, Ricardo Colom-Palero2
1Instituto de Instrumentación para Imagen Molecular I3M, Universitat Politècnica de València, Camino de Vera s/n, 46022, Valencia, Valencia, Spain. rgadea@eln.upv.es.
Scientific reports
|July 1, 2025
概括
这项研究结合了阻抗光谱学和人工智能,用于先进的食品质量分类. 循环神经网络改善了关键分散的检测,使得食品分销链的有效边缘分析成为可能.
科学领域:
- 食品科学与技术 食品科学与技术
- 人工智能的人工智能
- 电气工程 电气工程
背景情况:
- 阻抗光谱和AI是已知的食品分类工具.
- 识别α和β分散对于食品质量评估至关重要.
研究的目的:
- 为了提高食品分类的准确性,使用具有阻抗数据的循环神经网络 (RNN).
- 开发一种节能,边缘计算解决方案,用于食品质量分析.
主要方法:
- 使用RNN来分析阻抗数据作为跨不同频率的时间序列.
- 在边缘部署的低功耗FPGA上实施分类系统.
- 验证系统在冷金枪鱼骨上检测YAKE的有效性.
主要成果:
- 证明了对α和β分散的改进识别.
- 在便携式FPGA设备上成功实现了边缘分类.
- 展示了食品分发中的高能效应用.
结论:
- 拟议的AI驱动阻抗光谱法显著提高了食品质量分类.
- 在FPGA上边缘实现为实时食品安全监控提供了实用,节能的解决方案.
