相关实验视频
Updated: Sep 11, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.8K
一个集成的轻量级神经网络设计和FPGA加速边缘计算,用于通过电子鼻子识别的品种和来源
Ziyu Guo1, Yong Yin2, Haolin Gu1
1College of Artificial Intelligence, Southwest University, Chongqing 400715, China.
Foods (Basel, Switzerland)
|August 14, 2025
概括
使用电子鼻子和FPGA的新系统加速了的品种和原产地检测. 这种智能农业解决方案为市场应用提供了高精度和高效率.
科学领域:
- 农业科学 农业科学
- 计算机工程 计算机工程
- 感官科学 感官科学
背景情况:
- 市场面临着品种混和来源模两可的挑战.
- 准确的识别对于质量控制和消费者信任至关重要.
研究的目的:
- 开发一个综合系统,快速准确地检测的品种和来源.
- 通过智能农业技术解决市场问题.
主要方法:
- 使用电子鼻子 (e-nose) 来从各种样本中收集气体数据.
- 开发了一个轻量级的卷积神经网络 (CNN) 模型,ChiliPCNN,用于分类.
- 整合了ChiliPCNN模型与现场可编程网关阵列 (FPGA) 进行硬件加速.
主要成果:
- ChiliPCNN实现了高准确率:94.62%的品种识别和93.41%的原产地追踪.
- 优化的FPGA实现将延迟时间降低到5600 ns,功耗降低到1.755 W.
- 与其他深度学习方法相比,证明了优越的分类性能和稳定性.
结论:
- 拟议的FPGA集成电子鼻子系统为的真实性提供了有效的解决方案.
- 这项技术促进了农业的智能化管理,促进了该行业的自动化和效率.
