基于机器视觉技术的鸡蛋新鲜度智能分级系统

为了对鸡蛋的新鲜度进行智能、便捷、无损、客观的检测,设计了基于机器视觉技术的鸡蛋新鲜度自动分级系统.系统利用图像处理算法智能读取电子秤显示的鸡蛋重量、测算鸡蛋的外部物理特征(纵径、横径、体积);由重量和体积计算密度,根据密度变化与储存时间之间的关系进行鸡蛋新鲜度的智能评价和分级.将87枚同一时间产出的鸡蛋样本作为模型集用于实验建模,40枚存放时间不同的鸡蛋样本作为测试集用于测试系统的可靠性.测试结果显示系统对测试集鸡蛋新鲜度智能分级的平均正确率为90.3%,可对禽蛋各项参数的智能检测提供技术支持.

吡喃衍生物传感明胶双通道指示鱼肉新鲜度

以苯并吡喃为荧光团,通过引入吸电子基三氰基呋喃延长共轭体系,设计合成了胺类敏感型荧光探针CHM。该探针在EtOH/H2O(5/5,V/V)体系中对11种胺有荧光增强响应,具有较大的斯托克斯位移(120 nm),较低的检测限(腐胺,1.3μmol/L),并可在活细胞中对腐胺荧光成像。将CHM负载到明胶上,制备的传感明胶CHMGL对挥发性胺的颜色变化明显,可通过比色和荧光双通道对三文鱼鱼肉新鲜度进行实时监测,从而准确判断鱼肉的鲜度。

基于深度学习的大米加工新鲜度分类方法

为提高大米加工新鲜度分类的精度和速度,提出一种基于深度学习的分类方法。方法以VGG19网络为基础分类网络,通过在该网络基础上引入SE注意力机制加强对重要通道特征的关注,并采用PReLU函数替换ReLU函数作激活函数,同时将网络的最后一层池化层替换为全局混合池化,并删除前两层全连接层,对VGG19网络进行了改进。最后,以大米新鲜度为研究对象,采用改进VGG19网络进行新鲜度分类,实现了大米新鲜度分类。仿真结果表明,改进VGG19网络实现了精确、快速地大米新鲜度分类,平均准确率、精确率、召回率和F 1值分别达到97.81%、97.63%、97.89%、97.56%,且具有较快的检测速度,测试时间为275 s,提高了大米加工新鲜度分类的精度和速度。

基于注意力机制的水果新鲜度检测可解释模型

近年来,基于机器视觉和深度学习的水果新鲜度检测成为主流方法之一。针对现有的深度学习技术,对卷积神经网络在水果的特征提取方面的应用进行探讨,在ResNet34主干网络中引入卷积注意力模块(CBAM),以实现水果新鲜度的检测,并采用类激活图(CAM)系列技术对于能够反映图片关键特征的像素进行热力图可视化。在水果公开数据集上,引入注意力机制前、后的ResNet34分类准确率分别为96.80%和99.71%。同时,CAM热力图反映注意力模型能够更加准确地捕获水果图像中变质腐烂的区域,表明提出的模型改善了深度学习特征提取的能力,不仅提高了模型的泛化能力,而且增强了模型的可解释性。

机器视觉判别牛肉新鲜度的多模型定量分析

色泽是判断生鲜牛肉新鲜度的重要指标之一。随着人工智能的发展,机器视觉为生鲜肉新鲜度判别提供了可量化的解决方案。该研究通过智能手机获取牛肉图像,利用灰度化、二值化、图像分割与提取,获取不同新鲜度牛肉图像在Red-Green-Blue(RGB)、L^(*)a^(*)b^(*)和Hue-Saturation-Intensity(HSI)颜色空间的颜色参数,并与常规牛肉新鲜度评价指标挥发性盐基氮(total volatile base nitrogen,TVB-N)、硫代巴比妥酸(thiobarbituric acid,TBA)、菌落总数(total viable count,TVC)和感官评分(sensory index,SI)相关联,建立多元线性回归(multiple linear regression,MLR)、反向传播神经网络(back propagation neural network,BPNN)和支持向量回归(support vector regression,SVR)牛肉新鲜度定量预测模型。结果表明,MLR模型对TVB-N、TBA、TVC和SI值的预测模型决定系数(R^(2))分别为0.9406、0.9316、0.9582和0.9548。BPNN模型R^(2)为0.9627、0.9641、0.9920和0.9864,SVR模型的R^(2)为0.9712、0.9679、0.9928和0.9883。3种模型中SVR模型新鲜度预测性能最优,且预测相对误差均在±10%之内。在此基础上,建立了基于颜色参数的SVR牛肉货架期预测模型(R^(2)=0.9648),该模型的预测值与真实货架期平均绝对误差<0.5 d,优于传统货架期模型,提供了一种无损、快速确定牛肉新鲜度和货架期的新方法。

花青素-壳聚糖基新鲜度指示膜的研究进展

消费者食品安全意识的提高为包装技术带来了新机遇,基于天然色素和生物聚合物的智能包装作为食品包装的最新技术被引入。这类包装可以将食品的状态在包装膜上显示出来,依据膜的颜色变化实时评估食品的新鲜度。近年来,花青素作为指示剂被广泛应用于智能包装膜,其中以壳聚糖为基质的指示膜用于食品的新鲜度监测较多。该文阐述了新鲜度指示膜的组成及监测原理,重点介绍了花青素-壳聚糖基指示膜的物理特性和功能特性及其在食品新鲜度监测中的研究进展,并指出新鲜度指示膜在应用过程中存在的问题,为进一步开发实用且准确的新鲜度指示膜提供一些思路。

基于电子鼻、电子舌技术的荣昌猪肉及其制品贮藏过程新鲜度检测研究

目的探究电子鼻、电子舌对贮藏期间荣昌猪肉及其制品新鲜度变化的检测效果。方法测定贮藏期间荣昌猪肉及其制品菌落总数(total viable count,TVC)、挥发性盐基氮(total volatile basic nitrogen,TVB-N)及感官特性的变化,并以此划分其新鲜度等级。同时,采用电子鼻、电子舌分别对贮藏期间荣昌猪肉及其制品进行检测,运用线性判别分析(linear discriminant analysis,LDA)、传感器贡献率分析(Loading)、主成分分析(principal component analysis,PCA)识别荣昌猪肉及其制品的新鲜度。结果电子鼻能够检测到荣昌猪肉及其制品在贮藏期间的气味变化,并能够对其新鲜度进行区分,而传感器W1W对应的硫化物类的变化是电子鼻检测其新鲜度的主要依据。电子舌能够很好地区分贮藏期间荣昌猪肉及其制品的滋味变化,并能够区分其新鲜度。结论利用电子鼻、电子舌技术能够识别不同新鲜度的荣昌猪肉及其制品,为进一步研究荣昌猪肉及其制品新鲜度快速检测提供方法参考和理论依据。

基于遗传算法和深度神经网络的近红外高光谱检测猪肉新鲜度

为系统评估基于深度学习的智能辅助高光谱成像系统在猪肉新鲜度指标检测中的效果,采集了猪肉在4℃冷藏12 d中挥发性盐基氮(volatile basic nitrogen,TVB-N)、菌落总数(total viable count,TVC)以及900~2500 nm近红外光谱数据。基于Python的TensorFlow和Keras平台,对高光谱数据进行处理,建立了深度神经网络的定量检测模型。并利用遗传算法(GA)选择与猪肉新鲜度相关的特征光谱波段。结果表明,遗传算法选取波段对光谱模型的性能有明显提升。当光谱波段数达到35和50时,GA+ANN模型预测精度高于全波段的线性回归模型。TVC为预测指标的预测性能优于TVB-N,TVC测试集最佳R_(p)^(2)为0.877,RMSEP为0.575;预测TVB-N的最佳R_(p)^(2)为0.826,RMSEP为1.01。此外,通过研究还发现,遗传算法优选的近红外光谱波段与肉品的O-H,N-H,C=O等分子振动吸收带有较高的吻合度。本研究为处理近红外和高光谱数据提供了新的方法,也为猪肉及其他肉品新鲜度快速无损检测提供了技术参考。

基于智能凝胶标签的鲜切网纹瓜新鲜度无损监测

以卡拉胶、羧甲基纤维素钠和黄原胶为基质材料,溴百里香酚蓝(bromothymol blue,BTB)作为显色指示剂,复配一种新型凝胶状智能标签,用于鲜切网纹瓜新鲜度的实时监测。智能凝胶标签颜色随包装内CO_(2)浓度变化,由蓝色逐渐转变为黄绿色、黄褐色和橙黄色,从而反映鲜切网纹瓜的新鲜度。使用扫描电子显微镜、衰减全反射-傅里叶变换红外光谱、X射线衍射仪和热重分析仪对凝胶标签的形态和结构进行表征。结果表明,加入羧甲基纤维素钠和黄原胶未改变凝胶标签的微观结构,三者具有良好的相容性,同时凝胶标签的热稳定性随着BTB的加入得到提高。凝胶标签在4℃和25℃贮藏时,凝胶标签保持出色的颜色稳定性,将其用于鲜切网纹瓜4℃贮藏时,凝胶标签的颜色显示出明显的颜色变化。相关性分析表明凝胶标签色差值与包装中的CO_(2)浓度、鲜切网纹瓜的pH值和菌落总数均有显著相关性。该标签具有出色的pH值敏感性,可以作为监测鲜切网纹瓜新鲜度的有效方法。

基于多标记深度森林算法的冷鲜羊肉新鲜度无损检测方法

羊肉新鲜程度受多种因素影响,其检测一般要从感官性状、分解的理化产物和微生物繁殖程度等方面进行。然而基于单一指标的羊肉新鲜度检测局限性大,适用性低,很难综合评价羊肉新鲜程度,而且传统检测方法操作复杂,效率低,不能满足日常实际需求。高光谱成像技术作为一种快速、无损、高效的检测技术,可以有效地获取冷鲜羊肉腐败过程中表面、内部组成和理化变化信息。提出一种基于改进深度森林算法的冷鲜羊肉新鲜度评价模型,增加特征筛选挖掘与多个评价指标相关的光谱信息,同时增加层增长控制有效防止模型过拟合。采集了0~14天4℃贮藏环境中羊肉样本的400~1000 nm高光谱数据,采用实验室方法测定了样本的挥发性盐基氮(TVB-N)、pH值、菌落总数(TAC)和大肠菌群近似数(ANC)指标值。选择感兴趣区域提取光谱数据,通过S-G平滑滤波法和多元散射校正法对原始光谱数据进行预处理,利用连续投影法提取了18个特征波段。将数据集按照3∶1划分为训练集和测试集;利用本文提出的改进深度森林算法建立新鲜度等级分类模型。结果表明,新鲜度等级分类总体精度为0.9857,并利用hamming loss、one-error、ranking loss和marco-AUC四种多标记度量指标评价模型性能,分别为0.0257、0.0143、0.0142和0.9986,均优于传统多标记分类算法也表明,该多指标新鲜度评价模型可用于羊肉新鲜度的快速无损检测,改善了单一新鲜度检测指标模型分类的局限性,为后续高光谱成像技术的多指标无损检测提供了方法。

萘酚-苯并噻唑衍生物的合成及其琼脂糖凝胶对三文鱼新鲜度双通道无损检测

为了弥补单一比色法颜色区分不明显导致对鱼肉新鲜度的误判,本研究以萘酚为荧光团,通过与苯并噻唑盐缩合,合成萘酚-苯并噻唑衍生物(naphthol-benzothiazole derivative,HBO),其能够对有机胺比色和荧光双响应识别,并应用于三文鱼肉新鲜度的无损检测。HBO在EtOH/H2O(1∶9,V/V)体系中对12种胺都能产生明显响应,具有较低的检测限(精胺:0.4μmol/L),并可在活细胞中对精胺荧光成像。以琼脂糖为基质,将探针负载后制备传感凝胶HBO琼脂糖凝胶(HBO agarose gel,HBOAL),当凝胶与三文鱼鱼肉共同贮藏时,HBOAL日光下为浅红色,紫外光照射为黄色荧光时表明鱼肉已腐败。该凝胶对三文鱼鱼肉的3种等级颜色区分明显,评价结果准确,可用于实时监测三文鱼鱼肉的新鲜度。

海藻酸钠/聚乙烯醇pH指示水凝胶的制备及其对鲜切哈密瓜的新鲜度指示

为制备能稳定且灵敏指示鲜切果蔬新鲜度的指示器,该研究以海藻酸钠和聚乙烯醇为基材,复配甲基红和溴百里酚蓝为指示剂,制备pH显色水凝胶。首先以指示剂添加量、交联剂浓度以及交联时间为影响因素进行单因素试验,以水凝胶的变色灵敏度和力学性能为指标,对水凝胶制备工艺进行优化;然后,对最优工艺制备的水凝胶进行结构表征和性能测定;最后,将其用于鲜切哈密瓜的新鲜度监测。结果表明,指示剂添加量为5%,交联剂质量浓度为7 g/L,交联时间为18 h的条件下制备的水凝胶结构完整,内部呈多孔结构,具有较好的硬度和弹性,在pH 3~11内有良好的颜色响应。将其应用到鲜切哈密瓜的新鲜度指示中发现,在4℃贮藏3 d时,哈密瓜从新鲜转变为次新鲜,此时水凝胶从黄绿色变为橙色。因此,该研究所制备的水凝胶在鲜切果蔬的新鲜度指示中具有较好的应用前景,有助于提高鲜切果蔬的安全性和消费者体验。

基于YOLO-FFD的水果品种和新鲜度识别方法

目的:改善现有水果识别与分级方法依赖于人工操作和复杂设备的情况。方法:提出了一种轻量化模型YOLO-FFD(YOLO with fruit and freshen detection),该模型以YOLOv5框架为基础,基于深度可分离卷积和GELU激活函数设计轻量化模块LightweightC3作为主干特征提取网络的基本单元,减少模型参数量和计算量,加快模型的收敛速度;使用大内核深度可分离卷积模块EnhancedC3改进原模型的颈部,抑制信息丢失并增强模型的特征融合能力,提高模型的检测精度;采用GSConv代替特征融合网络中的普通卷积,使模型进一步轻量化。结果:提出模型的平均精度均值达到了96.12%,在RTX 3090上速度为172帧/s,在嵌入式设备Jetson TX2上速度为20帧/s。相比于原始YOLOv5模型,平均精度均值提高了2.21%,计算量减少了26%,在RTX 3090和Jetson TX2上的速度分别提高了2倍和1倍。结论:YOLO-FFD模型能够满足识别水果品种和新鲜度的需求,且在复杂场景下错检、漏检情况均有改善。

基于轻量级卷积神经网络的荧光指示标签用于冷鲜猪肉新鲜度判别

荧光新鲜度标签的颜色指示是实时监测肉制品品质的重要手段。以冷鲜猪肉为研究对象,提出一种由异硫氰酸荧光素(fluorescein isothiocyanate,FITC)、罗丹明B(rhodamine B,RhB)2种荧光素组成的比率型荧光新鲜度指示标签,其中发绿色荧光的FITC为反应信号,发红色荧光的RhB为参考信号。结果表明:当标签与腐败胺反应时,表现出双发射特性,FITC荧光增强,RhB荧光不受干扰,标签呈现红粉色到黄绿色的明显过渡,显著提高了标签的灵敏性和精确性;其次,利用卷积神经网络对荧光新鲜度标签的色泽变化进行智能化判别,以减少人为视觉误差,对比3种轻量级(MobileNetv2、EfficientNetb0、ShuffleNetv2)和2种非轻量级卷积神经网络(ResNet50、VGG16)的判别效果,其中轻量级神经网络EfficientNetb0的效果优于其他4种模型,识别准确率高达95.6%,且参数量和运算量仅为4.01 MB和0.398 GMACs,实现了最佳运算速度和精度的平衡。因此,利用该模型可满足快速、准确、无损判别冷鲜猪肉新鲜度的需求。研究结果可为荧光指示标签应用于冷链物流贮运过程中智能化判别冷鲜猪肉新鲜度提供理论参考。

花青素基猪肉新鲜度指示型油墨的应用研究

本文将花青素基新鲜度指示型油墨与印制二维码标签结合,获得了一种既能够指示肉类产品新鲜度,又可以通过扫码进行产品信息整合的新鲜度指示标签,极大地拓宽了新鲜度指示产品的应用形式与应用场景,通过新鲜度指示技术更好的为提高消费者的食品安全而服务。

负载花青素的多孔聚乳酸纳米纤维指示膜用于无损检测羊肉的新鲜度

肉类营养物质丰富,营养价值高,但在贮藏和销售中易受不良环境影响发生腐败变质,因此肉类的新鲜度实时监测在其流通过程中至关重要。纳米纤维具有较高的比表面积和较高的孔隙率,多孔的纳米纤维其比表面积和孔隙率会更高,有利于增加传感的灵敏度。实验以聚乳酸为基材,蓝莓花青素为指示材料,使用静电纺丝技术制备了多孔纳米纤维颜色指示膜。扫描电子显微镜表明指示膜具有均匀、光滑的纤维结构,纤维表面具有大小一致的孔隙,有利于花青素的负载以及纳米纤维的快速响应。通过氨响应性探究出指示膜对不同浓度的氨溶液有颜色响应。将指示膜应用于羊肉的新鲜度检测中。结果表明,多孔纳米纤维颜色指示膜在羊肉从新鲜到腐败的过程中,颜色从紫红色变为深灰色,能够被肉眼识别。综上所述,该多孔颜色指示膜能够实现羊肉新鲜度的无损检测,对食品安全检测技术的研究具有借鉴意义。

基于图像处理和改进DenseNet网络的小黄鱼新鲜度识别

传统水产品新鲜度检测方法存在对样本破坏较大、操作步骤繁琐、检测准确率及效率较低等一系列问题。针对上述问题,以小黄鱼(Larimichthys polyactis)新鲜度高效、准确识别为目标,提出了一种基于改进DenseNet网络的小黄鱼新鲜度识别模型。首先,在DenseNet网络结构中的每个Denseblock模块引入SENet注意力机制模块,实现特征通道特征重标定,加强网络对当前有益特征的提取,摒弃无作用的特征。其次,改进卷积层的第一层,增加网络的非线性能力和特征表达能力。为防止训练过程中出现梯度消失的现象,用PReLU激活函数代替原网络的ReLU激活函数。最后,与原DenseNet网络模型及其他经典神经网络模型进行对比实验。结果表明,构建的基于迁移学习的FishNet模型在自建的小黄鱼新鲜度数据集上识别准确率达91.53%,模型具有较高的识别准确率和较强的鲁棒性,解决了水产品新鲜度检测高效和精准识别问题,也为开发智能新鲜度识别系统提供了参考。

纳米保鲜型食品新鲜度指示材料的制备及其应用

随着食品包装在食品品质安全中扮演越来越重要的角色,新鲜度指示材料已成为当下的研究热点。一方面可以阻隔微生物的进入,有效抑制微生物的滋生和繁殖,确保食品包装内部环境的稳定性,进而改变食品品质;另一方面,它可以监测并指示包装内部的环境变化反馈食品品质信息。本文以食品级高分子材料高直链玉米淀粉(HAMS)、聚乙烯醇(PVA)为主要原料,负载复合型pH指示剂MR-BB(甲基红与溴百里酚蓝混合物),利用超声分散法将高抑菌性的纳米二氧化钛(nano-TiO_(2))分散于其中,同时利用交联剂甘油、疏水剂尿素,构建高分子三维立体网状结构,优化其物化性质。用溶液聚合和流延成膜的方法制备具有p H响应性的纳米保鲜-食品新鲜度指示材料(AFIF)。综合各项基础性能可知,高直链玉米淀粉和PVA添加量的体积比为7∶3,甘油添加量为2%,尿素添加量为2%。构筑牛奶新鲜度下降的环境模型(二氧化碳气氛),通过数据对比和优化AFIF膜的p H响应性的灵敏度及其准确性,可知MR-BB最佳体积比为1∶2,最佳添加量为6%。对AFIF膜的抑菌性能以及对市售牛奶的保鲜性能进行分析,当nano-TiO_(2)的添加量为0.15 g时(每100 mL膜液),抑菌率可高达80%左右。实际应用结果表明,常温贮藏时,非抗菌型AFIF膜组在36 h后液态奶失去可食用价值,而AFIF膜包装的牛奶仍保持较好的品质,直到72 h,该组液态奶失去食用价值,此时AFIF膜对变质牛奶的检出时间为3 min 35 s,膜颜色由蓝绿色(初始)转变为深黄色,初始变色面积为10%(膜面积为9 cm^(2)),变色完成时间为33 min 31 s,色差值可达5.91。AFIF膜对市售液态牛乳具有明确的保鲜和新鲜度指示功能。

负载荧光探针的指示标签对三文鱼新鲜度的实时可视化监测

实时可视化监测鱼肉新鲜度,对于保障食品质量和消费者安全至关重要。以二甲氨基肉桂醛和异弗尔酮丙二腈为原料,合成一种具有供体(D)-π-受体(A)结构的荧光探针CDI,用来实时监测三文鱼肉的新鲜度。此探针对13种胺类物质响应明显,且对水产品腐败过程中产生的尸胺的荧光检测限低至9.91μmol/L。采用物理沉降法将探针CDI负载到纤维滤纸上,再加入盐酸使其质子化,得到负载探针CDI+H~+的指示标签。将指示标签置于三文鱼肉上空时,随着三文鱼肉新鲜度的下降,指示标签从白色变为浅黄色直至黄色,荧光逐渐开启,从紫粉色变为橙红色。通过对照总挥发性盐基氮值,验证了负载探针CDI+H^(+)的指示标签可以通过比色荧光双响应信号很好地区分三文鱼肉的3个新鲜度等级。

蜂王浆新鲜度评价指标及其检测方法研究进展

蜂王浆是工蜂上颚腺和咽下腺共同分泌的乳白色、淡黄色或浅橙色浆状物质,对蜜蜂级型分化起决定性作用,其生物学活性对于维持人体健康也具有重要作用。然而在贮存不当时,蜂王浆极易腐败,导致其生物学功能丧失,品质下降。所以,蜂王浆新鲜度是评价其质量的重要指标,完善现行蜂王浆质量评价体系的新鲜度指标,有利于蜂王浆产业的可持续发展。该文以蜂王浆的组成成分为基础,对蜂王浆新鲜度的评价指标及其检测方法进行综述,以期为蜂王浆新鲜度的研究提供参考价值。