采用机器学习和纸质pH传感器的自动海鲜新鲜度检测和保存分析

科学领域:

• 食品科学与技术 食品科学与技术
• 分析化学 分析化学
• 机器学习应用 机器学习应用

背景情况:

• 传统的海鲜新鲜度评估是劳动密集型和耗时的.
• 开发自动化,快速的方法对于全球食品安全和营养至关重要.
• 冷藏海鲜质量监测需要创新的解决方案.

研究的目的:

• 开发和评估冷藏海鲜的自动新鲜度检测系统.
• 评估不同包装方法 (真空,收缩,正常) 对海鲜腐败的有效性.
• 利用纸质pH传感器和机器学习来预测海鲜质量.

主要方法:

• 六种海鲜品种被冷藏在三个包装类型下.
• 一个基于纸张的pH传感器 (甲基红色,基紫色) 测量了随时间变化的颜色 (L*,a*,b*).
• 测量了蛋白质,脂质含量和总挥发性基本 (TVB-N);数据训练了一个随机森林 (RF) 模型来预测pH.

主要成果:

• 纸质pH传感器通过色度变化有效地表明了损坏.
• 射频模型对鱼和鱼的预测可靠性很高,平均平方误差 (MSE) 和根平均平方误差 (RMSE) 较低.
• MAE值证实了可靠的预测,表明这些物种的实际测量偏差最小.

结论:

• 纸质pH传感器作为海鲜可靠的视觉损坏指标.
• 基于射频的预测模型提供了一种可靠的方法,以确保冷链物流中的食品安全和质量.
• 将传感器技术与先进包装相结合是延长海鲜保质期和提高消费者安全的可行策略.