跳到主要內容區

使用迴歸模型和低成本感測器增強新鮮披薩的保存期限預測

學生姓名: 吳蕙芬
指導教授: 凌明沛
學期: 113上
摘  要: 食物浪費是一個全球性的問題,影響環境、經濟與社會,聯合國永續發展目標(SDGs)中主要關注的項目為減少食物浪費(Goal 12.3)。根據統計,全球每年約有 13 億噸的食物被浪費與損失。在德國,每年丟棄約 1000 萬噸的食品。這些被浪費的食物原本可以用於餵飽飢餓人口、減少溫室氣體排放,以及節省寶貴的自然資源,此外食品的有效日期標示在減少浪費也有不足之處。本篇研究主要探討如何利用低成本感測器與機器學習模型來預測新鮮披薩的腐敗日期,以減少食物浪費。研究團隊使用五種低成本感測器(CO2、VOC、乙醇、pH、NIR)監測新鮮披薩在受控環境下的腐敗過程,並收集相關數據。接著利用線性迴歸、隨機森林迴歸和 XGBoost 迴歸等機器學習模型分析感測器數據,並評估不同模型的表現。根據研究結果,VOC 揮發性有機化合物感測器與隨機森林迴歸模型的結合表現最佳,能準確預測披薩的腐敗日期。為現行的食用日期測定方法提供一個更準確、具成本效益的替代方案,透過降低消費者食用變質食品的風險,減少食物浪費、節省資源並提高食品安全。
瀏覽數:
登入成功