用一維卷積神經網絡從熒光光譜中提取實體化學特性：應用于橄榄油
橄榄油行業對地中海地區的經濟和生活方式産生了重大影響。許多研究都試圖優化橄榄油生産過程中的不同步驟。橄榄油生産商面臨的主要挑戰之一是在生産周期中評估和控制品質的能力。為此，需要确定幾個參數，如酸度、紫外線吸收或乙基酯含量。為了達到這個目的，必須将樣品送到經認可的實驗室進行化學分析。這種方法很昂貴，而且不能經常進行，使得橄榄油的品質控制成為真正的挑戰。這項工作探索了一種基于熒光光譜和人工智能（即一維卷積神經網絡）的新方法，從簡單的熒光光譜中預測橄榄油的五個化學品質名額（酸度、過氧化值、紫外光譜參數$K_{270}$和$K_{232}$以及乙酯）。熒光光譜是一種非常有吸引力的光學技術，因為它不需要樣品制備，是非破壞性的，而且，如本工作所示，可以很容易地在小型和具有成本效益的傳感器中實作。研究結果表明，所提出的方法在品質測定方面給出了特殊的結果，并将使橄榄油在生産過程中和之後的持續品質控制成為現實。此外，這種新方法有可能作為歐洲法規規定的橄榄油品質規格的支援。
《Physico-chemical properties extraction from the fluorescence spectrum with 1D-convolutional neural networks: application to olive oil》
論文位址:網頁連結
