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
wsdw56完成签到,获得积分10
1秒前
SEAMUS完成签到,获得积分20
3秒前
JamesPei应助文艺花生采纳,获得30
3秒前
5秒前
明亮淇完成签到 ,获得积分10
6秒前
滴滴嘟完成签到,获得积分10
6秒前
啦啦小王~完成签到,获得积分10
7秒前
小迪发布了新的文献求助10
8秒前
我是老大应助coco采纳,获得30
9秒前
10秒前
10秒前
难过的钥匙完成签到 ,获得积分10
13秒前
16秒前
机灵柚子完成签到,获得积分0
18秒前
18秒前
阳光沛凝完成签到,获得积分10
19秒前
guoyunlong完成签到,获得积分10
20秒前
GG发布了新的文献求助10
20秒前
coco发布了新的文献求助30
23秒前
眼睛大的尔竹完成签到 ,获得积分10
25秒前
小迪完成签到,获得积分20
25秒前
Hysen_L完成签到,获得积分10
26秒前
27秒前
GG完成签到,获得积分10
28秒前
30秒前
31秒前
李健应助Niuma采纳,获得20
34秒前
虚幻山晴发布了新的文献求助10
36秒前
36秒前
乐乐应助哈哈哈采纳,获得10
38秒前
39秒前
我是老大应助生动的蓝血采纳,获得10
43秒前
43秒前
面向杂志编论文应助chai采纳,获得10
43秒前
nglmy77完成签到 ,获得积分10
44秒前
许文强发布了新的文献求助10
44秒前
小九完成签到 ,获得积分10
45秒前
45秒前
干净盼波完成签到,获得积分10
46秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
Ethnicities: Media, Health, and Coping 700
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 3086043
求助须知:如何正确求助?哪些是违规求助? 2738975
关于积分的说明 7552540
捐赠科研通 2388747
什么是DOI,文献DOI怎么找? 1266670
科研通“疑难数据库(出版商)”最低求助积分说明 613547
版权声明 598591