基于深度学习的电子鼻食品新鲜度检测与识别技术研究

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.     

基于智能电子鼻的冰箱冷藏食品新鲜度原位检测技术

为了满足人们对冰箱内食品新鲜度、营养以及安全食品的需求,通过智能电子鼻来检测冰箱冷藏室(4℃)内存储的食品新鲜程度,用于食品检测的电子鼻系统主要由气体传感器阵列和食品新鲜度识别算法组成,可以记录食物不同新鲜度的气味特征? 传感器阵列由金属氧化物半导体传感器构成,可以实时记录冰箱中食品的气味变化,同时采用模式识别算法 对食品新鲜程度作出新鲜、次新鲜和腐败的区分。针对冰箱中存储的肉类、蔬菜和水果,进行了多种食品实验测试。实验结果表明,开发的电子鼻系统对冰箱内的食品新鲜度变化具有良好的灵敏度。因此,采用电子鼻获取食品的气味变化是一种无 损、低成本的检测手段,该技术可以做到实时检测冰箱中食品的新鲜度。     

基于呼出气体检测口臭等级的电子鼻研究

口臭对人们的社交互动和生活质量产生严重的负面影响,当前对口臭的诊断方法难以在个人及家庭中应用.本文通过采集口臭病人样本,建立了基于GC-MS技术检测口气中VSCs的标准化流程,采用ROC曲线分析方法确定了不同感官评分的VSCs浓度范围.在此基础上,研制了一套基于电化学传感器并结合卷积神经网络模型的电子鼻,用于口臭标志物...