Portable Food‐Freshness Prediction Platform Based on Colorimetric Barcode Combinatorics and Deep Convolutional Neural Networks

条形码 指纹(计算) 电子鼻 卷积神经网络 模式识别(心理学) 人工智能 计算机科学 操作系统
作者
Lingling Guo,Ting Wang,Zhonghua Wu,Jianwu Wang,Ming Wang,Zequn Cui,Shaobo Ji,Jianfei Cai,Chuanlai Xu,Xiaodong Chen
出处
期刊:Advanced Materials [Wiley]
卷期号:32 (45) 被引量:164
标识
DOI:10.1002/adma.202004805
摘要

Abstract Artificial scent screening systems (known as electronic noses, E‐noses) have been researched extensively. A portable, automatic, and accurate, real‐time E‐nose requires both robust cross‐reactive sensing and fingerprint pattern recognition. Few E‐noses have been commercialized because they suffer from either sensing or pattern‐recognition issues. Here, cross‐reactive colorimetric barcode combinatorics and deep convolutional neural networks (DCNNs) are combined to form a system for monitoring meat freshness that concurrently provides scent fingerprint and fingerprint recognition. The barcodes—comprising 20 different types of porous nanocomposites of chitosan, dye, and cellulose acetate—form scent fingerprints that are identifiable by DCNN. A fully supervised DCNN trained using 3475 labeled barcode images predicts meat freshness with an overall accuracy of 98.5%. Incorporating DCNN into a smartphone application forms a simple platform for rapid barcode scanning and identification of food freshness in real time. The system is fast, accurate, and non‐destructive, enabling consumers and all stakeholders in the food supply chain to monitor food freshness.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
飘逸的雪萍完成签到,获得积分10
1秒前
念姬完成签到,获得积分10
1秒前
斯文败类应助葭月十七采纳,获得10
1秒前
keyany发布了新的文献求助10
1秒前
默欢发布了新的文献求助10
2秒前
2秒前
调研昵称发布了新的文献求助10
2秒前
zzz发布了新的文献求助10
3秒前
3秒前
4秒前
斯李iko完成签到,获得积分10
4秒前
于芋菊完成签到,获得积分0
4秒前
丘比特应助清爽白开水采纳,获得10
5秒前
5秒前
科研通AI2S应助Johnpick采纳,获得10
5秒前
windli发布了新的文献求助10
6秒前
6秒前
传奇3应助FB采纳,获得10
7秒前
李爱国应助你好谢谢你采纳,获得10
7秒前
可靠的书桃应助kaka091采纳,获得10
7秒前
luoqin发布了新的文献求助10
7秒前
8秒前
默欢完成签到,获得积分10
9秒前
9秒前
9秒前
10秒前
科研通AI2S应助拔剑起蒿莱采纳,获得30
10秒前
10秒前
小蜗牛完成签到,获得积分10
10秒前
ccciii完成签到,获得积分10
11秒前
共享精神应助zzz采纳,获得10
12秒前
舒服的牛排完成签到,获得积分20
12秒前
12秒前
坦率的寻凝完成签到,获得积分10
12秒前
长孙兰溪发布了新的文献求助10
12秒前
无限馒头完成签到,获得积分10
12秒前
13秒前
13秒前
14秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3135387
求助须知:如何正确求助?哪些是违规求助? 2786384
关于积分的说明 7777028
捐赠科研通 2442291
什么是DOI,文献DOI怎么找? 1298501
科研通“疑难数据库(出版商)”最低求助积分说明 625124
版权声明 600847