Пошук академічних текстів

Інформація × Реєстраційний номер 0218U000513, 0115U000378 , Науково-дослідна робота Назва роботи Ідентифікація, оцінка якості та безпечності харчової продукції сенсорними системами із штучним інтелектом Назва етапу роботи Керівник роботи Арсеньєва Лариса Юріївна, Дата реєстрації 31-01-2018 Організація виконавець Національний університет харчових технологій Опис етапу Розроблено методологію аналізу різних груп харчових продуктів, а також проект універсального портативного приладу з різними системами пробовідбору та пробопідготовки, розроблено програмні забезпечення, що автоматизують процес аналізу даних. Дослідження показали, що у випадках коли потрібно збільшити чутливість аналізу, або потрібно вилучити фракції летких сполук з великими значеннями коефіцієнтів розподілу в системі розчинник-газ рекомендовано застосовувати динамічний пробовідбір, що дозволить проаналізувати вміст летких сполук в широкому діапазоні летючості, що є актуальним під час дослідження ступеня окиснення олій, ідентифікації та виявлення фальсифікації рідких продуктів (соки, алкогольні напої, вода, олії, тощо); пробовідбір заснований на дифузії, реалізований в комірці накопичення-детектування електронного носа рекомендовано для вирішення таких задач, як об’єктивізація сенсорної оцінки, експрес-ідентифікації зразка, рекомендовано для аналізу зразків з малими значеннями коефіцієнтів розподілу в системі розчинник-газ, а також для продукції, що потребує концентрування летких сполук, таких як продукти з низькою вологістю; статичний аналіз є найбільш простим в реалізації, рекомендовано для застосування для зразків з вираженим ароматом та твердим агрегатним станом. Розроблені масиви сенсорів для аналізу різних груп харчових продуктів, підібрані покриття та маси плівок сенсорів. Оптимізовані умови аналізу зразків. Інтелектуальний аналіз даних електронного носу починається з вилучення інформативних ознак та створення похідних параметрів з сигналу (feature extraction), попередньої обробки параметрів з метою полегшення наступних кроків узагальнення та навчання. Запропоновано чотири підходи до вилучення похідних ознак з вихідних динамічних відгуків сенсорів електронного носа, які характеризують кількісні зміни летких продуктів окиснення ліпідів: з вихідних цифрових сигналів одиничних сенсорів, з моделей сигналів, апроксимованих лог-нормальною та поліноміальною функціями, з візуального образу запаху, побудованого з використанням скорочених вихідних відгуків масиву сенсорів. Формування матриць параметрів дає змогу досягти різної інформативності для оцінки як загальних показників об’єкта, так і вилучити інформацію про необхідну властивість. Для побудови класифікаційної чи регресійної моделі формуємо матрицю даних, оцінюємо структуру даних. Неефективним є використання лінійних методів, якщо дані є суттєво нелінійними. В таких випадках доцільно використовувати нелінійні функції та методи оброблення даних, такі як нейронні мережі, або використання матриці рахунків метода головних компонент в якості вхідних даних для нейронної мережі. В такому випадку, метод головних компонент та методи на його основі (регресія на головні компоненти, проекція на латентні структури) дозволять інтерпретувати основні взаємозв’язки, визначити викиди, попередньо обробити дані, завдяки чому отримати швидку в навчанні нейронну мережу зі зменшеною кількістю вхідних нейронів. Досліджені та оптимізовані архітектури імовірнісної нейронної мережі (Probabilistic neural networks), мережі векторного квантування (Learning vector quantization), нейронної мережі прямого поширення сигналу (Feedforward neural network) для аналізу даних електронного носа. Розроблені способи та методики ідентифікації, виявлення фальсифікації, оцінки якості та безпечності харчової продукції із використанням зазначеної вище методології (електронний ніс в поєднанні з аналізом даних). Опис продукції Розроблено методологію аналізу різних груп харчових продуктів, а також проект універсального портативного приладу з різними системами пробовідбору та пробопідготовки, розроблено програмні забезпечення, що автоматизують процес аналізу даних. Дослідження показали, що у випадках коли потрібно збільшити чутливість аналізу, або потрібно вилучити фракції летких сполук з великими значеннями коефіцієнтів розподілу в системі розчинник-газ рекомендовано застосовувати динамічний пробовідбір, що дозволить проаналізувати вміст летких сполук в широкому діапазоні летючості, що є актуальним під час дослідження ступеня окиснення олій, ідентифікації та виявлення фальсифікації рідких продуктів (соки, алкогольні напої, вода, олії, тощо); пробовідбір заснований на дифузії, реалізований в комірці накопичення-детектування електронного носа рекомендовано для вирішення таких задач, як об’єктивізація сенсорної оцінки, експрес-ідентифікації зразка, рекомендовано для аналізу зразків з малими значеннями коефіцієнтів розподілу в сист Автори роботи Арсеньєва Л.Ю. Білько М.В. Вашека О.М. Дащинська О.А. Калініченко А.О. Мельниченко В.М. Муратов О.С. Науменко К.А. Петруша О.О. Пушанко Н.М. Пушкарьова Я.М. Супрун-Крестова О.Ю. Теличкун І.В. Усатюк Н.М. Філіпченко І.М. Федоренко О.В. Цьома М.О. Ющенко Н.М. Додано в НРАТ 2020-04-02 Закрити