用一维卷积神经网络从荧光光谱中提取物理化学特性：应用于橄榄油
橄榄油行业对地中海地区的经济和生活方式产生了重大影响。许多研究都试图优化橄榄油生产过程中的不同步骤。橄榄油生产商面临的主要挑战之一是在生产周期中评估和控制质量的能力。为此，需要确定几个参数，如酸度、紫外线吸收或乙基酯含量。为了达到这个目的，必须将样品送到经认可的实验室进行化学分析。这种方法很昂贵，而且不能经常进行，使得橄榄油的质量控制成为真正的挑战。这项工作探索了一种基于荧光光谱和人工智能（即一维卷积神经网络）的新方法，从简单的荧光光谱中预测橄榄油的五个化学质量指标（酸度、过氧化值、紫外光谱参数$K_{270}$和$K_{232}$以及乙酯）。荧光光谱是一种非常有吸引力的光学技术，因为它不需要样品制备，是非破坏性的，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传感器中实现。研究结果表明，所提出的方法在质量测定方面给出了特殊的结果，并将使橄榄油在生产过程中和之后的持续质量控制成为现实。此外，这种新方法有可能作为欧洲法规规定的橄榄油质量规格的支持。
《Physico-chemical properties extraction from the fluorescence spectrum with 1D-convolutional neural networks: application to olive oil》
论文地址:网页链接
