CN110264451A - 一种多功能营养保健食品检测系统及方法 - Google Patents

一种多功能营养保健食品检测系统及方法 Download PDF

Info

Publication number
CN110264451A
CN110264451A CN201910524671.0A CN201910524671A CN110264451A CN 110264451 A CN110264451 A CN 110264451A CN 201910524671 A CN201910524671 A CN 201910524671A CN 110264451 A CN110264451 A CN 110264451A
Authority
CN
China
Prior art keywords
food
module
data
ontology
quality analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910524671.0A
Other languages
English (en)
Inventor
周玮
朱晓军
邹洁
徐文君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Supervision and Inspection Institute for Product Quality
Original Assignee
Jiangsu Supervision and Inspection Institute for Product Quality
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Supervision and Inspection Institute for Product Quality filed Critical Jiangsu Supervision and Inspection Institute for Product Quality
Priority to CN201910524671.0A priority Critical patent/CN110264451A/zh
Publication of CN110264451A publication Critical patent/CN110264451A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Food Science & Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于食品检测技术领域，公开了一种多功能营养保健食品检测系统及方法，所述多功能营养保健食品检测系统包括：食品成分检测模块、食品色泽检测模块、食品酸碱度检测模块、中央控制模块、数据对比模块、风味判定模块、食品质量分析模块、显示模块。本发明通过风味判定模块能够极大地缩短食品风味评定的时间，提高效率；同时，通过食品质量分析模块采用本体推理方式对食品质量进行预测分析，并实现对食品企业整条生产链上的信息采集，通过对食品领域本体库的构建以及建立食品质量分析本体推理规则，实现了食品质量分析，并且根据不同种类食品生产的特点，不断添加生产实例和调整本体推理规则，实现获取可靠的食品质量分析结果。

Description

一种多功能营养保健食品检测系统及方法
技术领域
本发明属于食品检测技术领域，尤其涉及一种多功能营养保健食品检测系统及方法。
背景技术
保健食品是指声称具有特定保健功能或者以补充维生素、矿物质为目的的食品，即适宜于特定人群食用，具有调节机体功能，不以治疗疾病为目的，并且对人体不产生任何急性、亚急性或者慢性危害的食品。然而，现有营养保健食品检测过程中，依靠人的感觉器官和神经参与来完成食品风味的评定工作，由于受评定人员的心理和生理影响，评定工作无可避免有一定的误差；同时，由于影响食品质量的因素多而且复杂，不能对食品质量进行可靠的分析。
综上所述，现有技术存在的问题是：现有营养保健食品检测过程中，依靠人的感觉器官和神经参与来完成食品风味的评定工作，由于受评定人员的心理和生理影响，评定工作无可避免有一定的误差；同时，由于影响食品质量的因素多而且复杂，不能对食品质量进行可靠的分析。
发明内容
针对现有技术存在的问题，本发明提供了一种多功能营养保健食品检测系统及方法。
本发明是这样实现的，一种多功能营养保健食品检测方法，所述多功能营养保健食品检测方法包括以下步骤：
步骤一，通过食品成分检测模块利用食品成分检测设备检测营养保健食品成分数据；通过食品色泽检测模块利用影像设备采集营养保健食品图像获取食品色泽数据；
步骤二，通过食品酸碱度检测模块利用酸碱检测仪检测营养保健食品的酸碱度数据；
步骤三，中央控制模块通过数据对比模块利用对比程序将检测的数据与食品标准数据进行对比；
步骤四，通过风味判定模块利用判定程序对营养保健食品风味进行判定；
步骤五，通过食品质量分析模块利用分析程序根据对比结果分析营养保健食品的质量；
步骤六，通过显示模块利用显示器显示检测的营养保健食品成分、色泽、酸碱度、质量分析结果。
进一步，所述多功能营养保健食品检测方法的风味判定方法如下：
(1)构建食品数据库，并从数据库中加载气味信息数据和滋味信息数据并分别对两种数据进行结构化处理，处理成结构化的数据，分别记为气味信息向量和滋味信息向量；
(2)训练线性模型，将已经结构化的气味信息向量及其对应的人工感官评定等级分别作为线性模型的输入和输出，对线性模型进行多次的迭代训练，得到一个训练好的线性模型；
(3)训练深度神经网络模型，将已经结构化的滋味信息向量及其对应的人工感官评定等级分别作为模型的输入和输出，对深度神经网络模型进行多次的迭代训练，得到一个训练好的深度神经网络模型；
(4)评定食品风味等级，对需要进行风味评定的食品的气味信息数据和滋味信息数据进行结构化的处理，将气味信息向量输入到线性模型中，将滋味信息向量输入到深度神经网络模型中，分别得出气味评定等级k1和滋味评定等级k2，综合两个模型中的评定等级，得到最终的食品风味评定等级k，其表达式为θ1和θ2分别表示加权平均的参数，表示向下取整的符号。
进一步，所述多功能营养保健食品检测方法的食品质量分析方法如下：
1)通过分析程序根据食品生产链，构建食品质量分析本体模型；
2)构建食品质量分析本体推理机制；
3)建立食品质量分析模型，分析所述食品质量分析模型获取食品质量分析结果。
进一步，所述构建食品质量分析本体模型的步骤包括：
A、根据食品生产链确定本体的构建领域；
B、从原材料进货、原材料存储、原材料运输、食品加工、成品存储和成品运输进行本体术语获取；
C、自上而下，先提取本体的顶级概念，再逐级提取本体概念；根据提取的本体概念，建立本体概念之间的层次关系，在本体中定义本体的属性，获得所述食品质量分析本体模型。
进一步，构建食品质量分析本体推理机制的步骤包括：采用SWRL建立本体推理规则，将SWRL规则和本体转化为Jena推理机进行推理，获取本体中的隐形数据并监测本体的不一致性，最后将推理出的数据写回到本体库中；
建立食品质量分析模型的步骤包括：
通过构建食品质量分析本体层，存储与食品和食品质量相关的数据息，包括本体建立时的数据和通过推理获取的数据；
通过构建食品质量分析的信息获取层，自动获取或者人工检查获取分析食品质量所需的信息；
通过构建食品质量分析层，为信息获取层中的信息贴上标签序列，通过属性为各个实例、以及各实例和食品质量之间建立对应的逻辑关系，解析实例综合的输出信息，形成检索条件，根据检索条件对食品质量分析本体库进行检索，最终实现食品质量分析。
本发明的另一目的在于提供一种基于所述多功能营养保健食品检测方法的多功能营养保健食品检测系统，所述多功能营养保健食品检测系统包括：
食品成分检测模块，与中央控制模块连接，用于通过食品成分检测设备检测营养保健食品成分数据；
食品色泽检测模块，与中央控制模块连接，用于通过影像设备采集营养保健食品图像获取食品色泽数据；
食品酸碱度检测模块，与中央控制模块连接，用于通过酸碱检测仪检测营养保健食品的酸碱度数据；
中央控制模块，与食品成分检测模块、食品色泽检测模块、食品酸碱度检测模块、数据对比模块、风味判定模块、食品质量分析模块、显示模块连接，用于通过单片机控制各个模块正常工作；
数据对比模块，与中央控制模块连接，用于通过对比程序将检测的数据与食品标准数据进行对比；
风味判定模块，与中央控制模块连接，用于通过判定程序对营养保健食品风味进行判定；
食品质量分析模块，与中央控制模块连接，用于通过分析程序根据对比结果分析营养保健食品的质量；
显示模块，与中央控制模块连接，用于通过显示器显示检测的营养保健食品成分、色泽、酸碱度、质量分析结果。
本发明的另一目的在于提供一种应用所述多功能营养保健食品检测方法的营养保健食品检测终端。
本发明的优点及积极效果为：本发明通过风味判定模块不需要专门的食品风味评定人员对食品风味进行人为评定，大幅度节约了人力成本，能够极大地缩短食品风味评定的时间，提高效率；同时，通过食品质量分析模块采用本体推理方式对食品质量进行预测分析，并实现对食品企业整条生产链上的信息采集，通过对食品领域本体库的构建以及建立食品质量分析本体推理规则，实现了食品质量分析，并且根据不同种类食品生产的特点，不断添加生产实例和调整本体推理规则，实现获取可靠的食品质量分析结果。
附图说明
图1是本发明实施例提供的多功能营养保健食品检测方法流程图。
图2是本发明实施例提供的多功能营养保健食品检测系统结构示意图；
图中：1、食品成分检测模块；2、食品色泽检测模块；3、食品酸碱度检测模块；4、中央控制模块；5、数据对比模块；6、风味判定模块；7、食品质量分析模块；8、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的多功能营养保健食品检测方法包括以下步骤：
S101：通过食品成分检测模块利用食品成分检测设备检测营养保健食品成分数据；通过食品色泽检测模块利用影像设备采集营养保健食品图像获取食品色泽数据；
S102：通过食品酸碱度检测模块利用酸碱检测仪检测营养保健食品的酸碱度数据；
S103：中央控制模块通过数据对比模块利用对比程序将检测的数据与食品标准数据进行对比；
S104：通过风味判定模块利用判定程序对营养保健食品风味进行判定；
S105：通过食品质量分析模块利用分析程序根据对比结果分析营养保健食品的质量；
S106：通过显示模块利用显示器显示检测的营养保健食品成分、色泽、酸碱度、质量分析结果。
如图2所示，本发明实施例提供的多功能营养保健食品检测系统包括：食品成分检测模块1、食品色泽检测模块2、食品酸碱度检测模块3、中央控制模块4、数据对比模块5、风味判定模块6、食品质量分析模块7、显示模块8。
食品成分检测模块1，与中央控制模块4连接，用于通过食品成分检测设备检测营养保健食品成分数据；
食品色泽检测模块2，与中央控制模块4连接，用于通过影像设备采集营养保健食品图像获取食品色泽数据；
食品酸碱度检测模块3，与中央控制模块4连接，用于通过酸碱检测仪检测营养保健食品的酸碱度数据；
中央控制模块4，与食品成分检测模块1、食品色泽检测模块2、食品酸碱度检测模块3、数据对比模块5、风味判定模块6、食品质量分析模块7、显示模块8连接，用于通过单片机控制各个模块正常工作；
数据对比模块5，与中央控制模块4连接，用于通过对比程序将检测的数据与食品标准数据进行对比；
风味判定模块6，与中央控制模块4连接，用于通过判定程序对营养保健食品风味进行判定；
食品质量分析模块7，与中央控制模块4连接，用于通过分析程序根据对比结果分析营养保健食品的质量；
显示模块8，与中央控制模块4连接，用于通过显示器显示检测的营养保健食品成分、色泽、酸碱度、质量分析结果。
本发明提供的风味判定模块6判定方法如下：
(1)构建食品数据库，并从数据库中加载气味信息数据和滋味信息数据并分别对两种数据进行结构化处理，处理成结构化的数据，分别记为气味信息向量和滋味信息向量；
(2)训练线性模型，将已经结构化的气味信息向量及其对应的人工感官评定等级分别作为线性模型的输入和输出，对线性模型进行多次的迭代训练，得到一个训练好的线性模型；
(3)训练深度神经网络模型，将已经结构化的滋味信息向量及其对应的人工感官评定等级分别作为模型的输入和输出，对深度神经网络模型进行多次的迭代训练，得到一个训练好的深度神经网络模型；
(4)评定食品风味等级，对需要进行风味评定的食品的气味信息数据和滋味信息数据进行结构化的处理，将气味信息向量输入到线性模型中，将滋味信息向量输入到深度神经网络模型中，分别得出气味评定等级k1和滋味评定等级k2，综合两个模型中的评定等级，得到最终的食品风味评定等级k，其表达式为θ1和θ2分别表示加权平均的参数，表示向下取整的符号。
本发明提供的食品质量分析模块7分析方法如下：
1)通过分析程序根据食品生产链，构建食品质量分析本体模型；
2)构建食品质量分析本体推理机制；
3)建立食品质量分析模型，分析所述食品质量分析模型获取食品质量分析结果。
本发明提供的构建食品质量分析本体模型的步骤包括：
A、根据食品生产链确定本体的构建领域；
B、从原材料进货、原材料存储、原材料运输、食品加工、成品存储和成品运输进行本体术语获取；
C、自上而下，先提取本体的顶级概念，再逐级提取本体概念；根据提取的本体概念，建立本体概念之间的层次关系，在本体中定义本体的属性，获得所述食品质量分析本体模型。
构建食品质量分析本体推理机制的步骤包括：采用SWRL建立本体推理规则，将SWRL规则和本体转化为Jena推理机进行推理，获取本体中的隐形数据并监测本体的不一致性，最后将推理出的数据写回到本体库中。
本发明提供的建立食品质量分析模型的步骤包括：
D、通过构建食品质量分析本体层，存储与食品和食品质量相关的数据息，包括本体建立时的数据和通过推理获取的数据；
E、通过构建食品质量分析的信息获取层，自动获取或者人工检查获取分析食品质量所需的信息；
F、通过构建食品质量分析层，为信息获取层中的信息贴上标签序列，通过属性为各个实例、以及各实例和食品质量之间建立对应的逻辑关系，解析实例综合的输出信息，形成检索条件，根据检索条件对食品质量分析本体库进行检索，最终实现食品质量分析。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (7)

1.一种多功能营养保健食品检测方法，其特征在于，所述多功能营养保健食品检测方法包括以下步骤：
步骤一，通过食品成分检测模块利用食品成分检测设备检测营养保健食品成分数据；通过食品色泽检测模块利用影像设备采集营养保健食品图像获取食品色泽数据；
步骤二，通过食品酸碱度检测模块利用酸碱检测仪检测营养保健食品的酸碱度数据；
步骤三，中央控制模块通过数据对比模块利用对比程序将检测的数据与食品标准数据进行对比；
步骤四，通过风味判定模块利用判定程序对营养保健食品风味进行判定；
步骤五，通过食品质量分析模块利用分析程序根据对比结果分析营养保健食品的质量；
步骤六，通过显示模块利用显示器显示检测的营养保健食品成分、色泽、酸碱度、质量分析结果。
2.如权利要求1所述的多功能营养保健食品检测方法，其特征在于，所述多功能营养保健食品检测方法的风味判定方法如下：
(1)构建食品数据库，并从数据库中加载气味信息数据和滋味信息数据并分别对两种数据进行结构化处理，处理成结构化的数据，分别记为气味信息向量和滋味信息向量；
(2)训练线性模型，将已经结构化的气味信息向量及其对应的人工感官评定等级分别作为线性模型的输入和输出，对线性模型进行多次的迭代训练，得到一个训练好的线性模型；
(3)训练深度神经网络模型，将已经结构化的滋味信息向量及其对应的人工感官评定等级分别作为模型的输入和输出，对深度神经网络模型进行多次的迭代训练，得到一个训练好的深度神经网络模型；
(4)评定食品风味等级，对需要进行风味评定的食品的气味信息数据和滋味信息数据进行结构化的处理，将气味信息向量输入到线性模型中，将滋味信息向量输入到深度神经网络模型中，分别得出气味评定等级k1和滋味评定等级k2，综合两个模型中的评定等级，得到最终的食品风味评定等级k，其表达式为θ1和θ2分别表示加权平均的参数，表示向下取整的符号。
3.如权利要求1所述的多功能营养保健食品检测方法，其特征在于，所述多功能营养保健食品检测方法的食品质量分析方法如下：
1)通过分析程序根据食品生产链，构建食品质量分析本体模型；
2)构建食品质量分析本体推理机制；
3)建立食品质量分析模型，分析所述食品质量分析模型获取食品质量分析结果。
4.如权利要求3所述的多功能营养保健食品检测方法，其特征在于，所述构建食品质量分析本体模型的步骤包括：
A、根据食品生产链确定本体的构建领域；
B、从原材料进货、原材料存储、原材料运输、食品加工、成品存储和成品运输进行本体术语获取；
C、自上而下，先提取本体的顶级概念，再逐级提取本体概念；根据提取的本体概念，建立本体概念之间的层次关系，在本体中定义本体的属性，获得所述食品质量分析本体模型。
5.如权利要求3所述的多功能营养保健食品检测方法，其特征在于，构建食品质量分析本体推理机制的步骤包括：采用SWRL建立本体推理规则，将SWRL规则和本体转化为Jena推理机进行推理，获取本体中的隐形数据并监测本体的不一致性，最后将推理出的数据写回到本体库中；
建立食品质量分析模型的步骤包括：
通过构建食品质量分析本体层，存储与食品和食品质量相关的数据息，包括本体建立时的数据和通过推理获取的数据；
通过构建食品质量分析的信息获取层，自动获取或者人工检查获取分析食品质量所需的信息；
通过构建食品质量分析层，为信息获取层中的信息贴上标签序列，通过属性为各个实例、以及各实例和食品质量之间建立对应的逻辑关系，解析实例综合的输出信息，形成检索条件，根据检索条件对食品质量分析本体库进行检索，最终实现食品质量分析。
6.一种基于权利要求1所述多功能营养保健食品检测方法的多功能营养保健食品检测系统，其特征在于，所述多功能营养保健食品检测系统包括：
食品成分检测模块，与中央控制模块连接，用于通过食品成分检测设备检测营养保健食品成分数据；
食品色泽检测模块，与中央控制模块连接，用于通过影像设备采集营养保健食品图像获取食品色泽数据；
食品酸碱度检测模块，与中央控制模块连接，用于通过酸碱检测仪检测营养保健食品的酸碱度数据；
中央控制模块，与食品成分检测模块、食品色泽检测模块、食品酸碱度检测模块、数据对比模块、风味判定模块、食品质量分析模块、显示模块连接，用于通过单片机控制各个模块正常工作；
数据对比模块，与中央控制模块连接，用于通过对比程序将检测的数据与食品标准数据进行对比；
风味判定模块，与中央控制模块连接，用于通过判定程序对营养保健食品风味进行判定；
食品质量分析模块，与中央控制模块连接，用于通过分析程序根据对比结果分析营养保健食品的质量；
显示模块，与中央控制模块连接，用于通过显示器显示检测的营养保健食品成分、色泽、酸碱度、质量分析结果。
7.一种应用权利要求1～5任意一项所述多功能营养保健食品检测方法的营养保健食品检测终端。
CN201910524671.0A 2019-06-18 2019-06-18 一种多功能营养保健食品检测系统及方法 Pending CN110264451A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910524671.0A CN110264451A (zh) 2019-06-18 2019-06-18 一种多功能营养保健食品检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910524671.0A CN110264451A (zh) 2019-06-18 2019-06-18 一种多功能营养保健食品检测系统及方法

Publications (1)

Publication Number Publication Date
CN110264451A true CN110264451A (zh) 2019-09-20

Family

ID=67918860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910524671.0A Pending CN110264451A (zh) 2019-06-18 2019-06-18 一种多功能营养保健食品检测系统及方法

Country Status (1)

Country Link
CN (1) CN110264451A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260199A (zh) * 2020-01-10 2020-06-09 江西理工大学 一种人工智能感官评价食品风味系统及其构建方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103700019A (zh) * 2013-12-17 2014-04-02 吉林大学 一种食品质量分析方法
US20140309968A1 (en) * 2013-04-12 2014-10-16 Allripe Pty Ltd Systems and methods for processing food assessment data
CN105651706A (zh) * 2016-02-29 2016-06-08 陈德华 一种有害化学元素和成分分析检测的智能设备
CN108509601A (zh) * 2018-04-02 2018-09-07 中山大学 一种基于大数据分析的食品风味评定方法
CN109856063A (zh) * 2019-03-15 2019-06-07 首都师范大学 碳酸饮料中合成色素浓度的检测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140309968A1 (en) * 2013-04-12 2014-10-16 Allripe Pty Ltd Systems and methods for processing food assessment data
CN103700019A (zh) * 2013-12-17 2014-04-02 吉林大学 一种食品质量分析方法
CN105651706A (zh) * 2016-02-29 2016-06-08 陈德华 一种有害化学元素和成分分析检测的智能设备
CN108509601A (zh) * 2018-04-02 2018-09-07 中山大学 一种基于大数据分析的食品风味评定方法
CN109856063A (zh) * 2019-03-15 2019-06-07 首都师范大学 碳酸饮料中合成色素浓度的检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张达: "食品安全监管中快速检测技术新方向", 《食品界》 *
陶然: "食品安全检测仪民用化研究与设计实践", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260199A (zh) * 2020-01-10 2020-06-09 江西理工大学 一种人工智能感官评价食品风味系统及其构建方法

Similar Documents

Publication Publication Date Title
Pereira et al. Predicting the ripening of papaya fruit with digital imaging and random forests
Zhou et al. Strawberry maturity classification from UAV and near-ground imaging using deep learning
CN107403072A (zh) 一种基于机器学习的2型糖尿病预测预警方法
CN107977671A (zh) 一种基于多任务卷积神经网络的舌象分类方法
Mehta et al. Improving Crop Health Management: Federated Learning CNN for Spinach Leaf Disease Detection
CN109063728A (zh) 一种火灾图像深度学习模式识别方法
Puerto et al. Sorting olive batches for the milling process using image processing
CN108960315A (zh) 一种调理肉制品品质智能评价系统及方法
CN115908388B (zh) 一种敏感性皮肤全周期检测方法及其系统
Alharthi et al. Deep learning for ground reaction force data analysis: Application to wide-area floor sensing
Sathyavani et al. Detection of plant leaf nutrients using convolutional neural network based internet of things data acquisition
Raihen et al. Prediction modeling using deep learning for the classification of grape-type dried fruits
Ullah et al. Automatic diseases detection and classification in maize crop using convolution neural network
Hulsegge et al. A time-series approach for clustering farms based on slaughterhouse health aberration data
CN110264451A (zh) 一种多功能营养保健食品检测系统及方法
Coelho Ribeiro et al. Disentangling data dependency using cross-validation strategies to evaluate prediction quality of cattle grazing activities using machine learning algorithms and wearable sensor data
WO2021079785A1 (ja) 肉質判別プログラム及びシステム
CN111723869A (zh) 一种面向特殊人员的行为风险智能预警方法及系统
CN109620263B (zh) 一种企事业单位上岗人员体征安全分析方法
CN116543462A (zh) 基于视频骨骼的奶牛行为识别判断奶牛健康状况的方法
Garbez et al. Predicting sensorial attribute scores of ornamental plants assessed in 3D through rotation on video by image analysis: a study on the morphology of virtual rose bushes
CN103868821B (zh) 采用基于超声波的便携式鱼肉质新鲜度检测装置的评价方法
CN114550918A (zh) 一种基于绘画特征数据的心理障碍测评方法及系统
CN113425254B (zh) 基于混合数据输入的体脂率预测模型的青年男性体脂率预测方法
Eldeen et al. Vitamin deficiency detection using image processing and neural network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190920