| 基于深度学习的电子鼻食品新鲜度检测与识别技术研究 |
| |
| 引用本文： | 陈远涛,熊忆舟,薛莹莹,张 涛,于伟杰,张钧煜,张 希,孙启永,万 浩,王 平.基于深度学习的电子鼻食品新鲜度检测与识别技术研究[J].传感技术学报,2021,34(8):1131-1138. |
| |
| 作者姓名： | 陈远涛 熊忆舟 薛莹莹 张 涛 于伟杰 张钧煜 张 希 孙启永 万 浩 王 平 |
| |
| 作者单位： | 浙江大学生物传感器国家专业实验室,生物医学工程教育部重点实验室,生仪学院,浙江 杭州310027;浙江省健康智慧厨房系统集成重点实验室,浙江 宁波315336;宁波方太厨具有限公司,浙江 宁波315336 |
| |
| 摘 要： | 实际生活中,食品储存情况复杂,对食品新鲜度的准确检测十分重要.将常见食品分为水果、蔬菜、肉类三个类别,并根据实际情况,对不同食品储存情况设计相应实验,利用设计的电子鼻系统对食品样本进行检测,将测试得到的样本数据用于建立线性判别分析(Linear Discriminant Analysis,LDA)、支持向量机(Support Vector Machine,SVM)、卷积神经网络(Convolutional Neural Network,CNN)模型,最终利用不同模型对食品样本的状态:新鲜、水果腐败、蔬菜腐败、肉类腐败,作出分类识别.对于实际测试样本,LDA、SVM、CNN识别准确率分别为:45.00％、85.00％、90.00％,结果证明基于深度学习的电子鼻系统可对不同储存情况下的食品新鲜状态作出有效判断,可在一定程度上为受主观因素影响的感官评价提供客观参考,提高食品新鲜度判断准确性.
|
| 关 键 词： | 电子鼻 食品新鲜度 深度学习 传感与感知 |
| 收稿时间： | 2021/4/19 0:00:00 |
| 修稿时间： | 2021/6/2 0:00:00 |
Research on Electronic Nose Food Freshness Detection and Recognition Technology Based on Deep Learning |
| |
| CHEN Yuantao,XIONG Yizhou,XUE Yingying,ZHANG Tao,YU Weijie,ZHANG Junyu,ZHANG Xi,SUN Qiyong,WAN Hao,WANG Ping.Research on Electronic Nose Food Freshness Detection and Recognition Technology Based on Deep Learning[J].Journal of Transduction Technology,2021,34(8):1131-1138. |
| |
| Authors: | CHEN Yuantao XIONG Yizhou XUE Yingying ZHANG Tao YU Weijie ZHANG Junyu ZHANG Xi SUN Qiyong WAN Hao WANG Ping |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
