食品检测

  • Food Chem:基于机器学习和智能手机图像分析的四环素荧光检测

    今天介绍一篇由伊朗德黑兰大学新科学与技术学院生命科学工程系的Maryam Mousavizadegan等人于2022年10月发表在Food Chemistry(IF=9.231)上的文章。文中使用机器学习(ML)算法开发了一种快速检测四环素(TC)的方法。

    2022年11月24日 0 80 0
  • 基于非靶向 HPLC-MS 的代谢组学方法揭示可可粉掺假

    今天给大家介绍一篇由西班牙阿尔卡拉大学Maider Greño等人在Food Chemistry(IF=9.231)上在线发表的一篇的研究性文章。该文章提出了一种非靶向代谢组学方法,该方法基于反相液相色谱与高分辨率质谱联用来检测可可粉与一些最常用的可可掺假剂。

    2022年10月8日 0 487 0
  • 基于输入修正卷积神经网络的电子鼻和高光谱图像融合羊肉新鲜度检测

    今天介绍一篇来自安徽大学翁士状副教授课题组于2022年3月发表在Food Chemistry上的文章。该研究采用电子鼻和高光谱图像相结合的方法对羊肉总挥发性盐基氮(TVB-N)进行综合评价。为准确分析羊肉新鲜度提供了一种途径,并为其他肉类品质的研究提供了技术依据。

    2022年9月1日 0 857 0
  • 基于偏最小二乘和人工神经网络分析的采后苹果品质变化及保质期预测模型

    今天介绍一篇由渤海大学食品科学与技术学院励建荣教授的研究组等人于2022年6月在线发表在Food Chemistry上的文章。本文构建了偏最小二乘法(PLS)和人工神经网络(ANN)模型来预测苹果的保质期。本工作旨在丰富苹果保鲜理论,为采后苹果货架期的快速评价提供参考。

    2022年8月9日 0 1.2K 0
  • 机器学习模型预测有机污染物的作物根系浓度因子

    今天分享一篇近期由耶鲁大学医学院遗传学系的FengGao等人发表在Journal of Hazardous Materials (IF: 14.224)上的文章。

    2022年7月17日 0 1.3K 0
  • 拉曼光谱与机器学习结合应用在单细胞水平上快速检测食品传播病原体

    今天给大家介绍一篇由Shuaishuai Yan等人,于2021年5月1日上发表在Talanta(IF=6.057)的一篇研究性文章。该文章表明拉曼光谱结合基于指纹的机器学习是快速诊断病原菌的一种前瞻性策略。在这项研究中,在单细胞水平上获得了常见菌株单细胞拉曼光谱(SCRS)。然后,利用核主成分分析(KPCA)提取原始数据的非线性特征,并利用决策树(DT)算法在血清型水平上对单个细菌细胞进行评价和识别。

    2022年4月7日 0 1.4K 0
  • 基于智能手机检测掺假牛肉糜

    今天介绍一篇来自北京大学的宋惟然与王哲、海南大学的云永欢以及英国阿尔斯特大学的王晖等人于2021年2月发表在Microchemical Journal上的一篇论文。该研究基于智能手机摄像头拍摄猪肉糜与牛肉糜混合样品获得视频数据,经图像处理转换为类光谱数据,采用偏最小二乘回归(PLSR)建立模型并预测猪肉糜掺到牛肉糜的水平,测试集决定系数R2范围为0.73 ~ 0.98,均方根误差RMSEP范围为0.04 ~ 0.16。

    2021年5月5日 0 1.1K 0
  • TRENDS FOOD SCI TECH|光谱技术结合深度学习方法在食品品质检测中的应用

    浙江大学生物系统工程与食品科学学院应义斌教授课题组在食品顶级期刊《Trends in Food Science & Technology》发表综述《Food and agro-product quality evaluation based on spectroscopy and deep learning: A review》。该文讨论了传统化学计量学方法在提高模型性能、处理复杂结构的光谱噪声以及全局回归、局部回归和模型传递上的一些局限性。

    2021年4月28日 0 2.0K 0
  • 混合计算智能算法及其在食品质量检测中的应用

    今天介绍一篇由Lavika Goel等人近期发表在Artificial Intelligence Review上的论文。作者介绍了各种用于发现食物变质的图像分割技术,并开发了新颖的混合算法并进行了验证和比较,最后展望了今后的应用场景。

    2021年1月24日 0 1.1K 0
  • FoodTracker:一种由AI驱动的食品检测移动应用程序

    本次介绍的是来自加拿大麦吉尔(McGill)大学电气与计算机工程系,于2019年9月发表在arXiv.org上的文章。文中,作者介绍了一个可利用智能手机内置摄像头,仅使用手机有限的计算资源就可识别餐食中多个食物种类及其营养信息的移动应用程序——FoodTracker。该程序将深度卷积神经网络与YOLOv2结合,实现多对象同时识别和定位,得到的mAP接近80%,同时神经网络结构小巧且计算成本低廉。

    AI食品 2020年11月13日 0 1.7K 0