電子鼻結合機器學習對食品及酒精飲品分類與品質鑑定
學生姓名:
黃羽岑
指導教授:
王上達
學 期:
114上
摘 要:
揮發性有機化合物 (Volatile organic compounds, VOCs) 是人類嗅覺系統可感知的主要氣味來源，廣泛存在於食物、飲品與植物中。傳統氣味辨識仰賴人類感官判斷，此方法具有主觀性高、訓練成本高與感官疲勞等限制。本報告整理數篇以電子鼻技術 (Electronic nose, e-nose) 結合機器學習演算法進行酒精飲品品質分類之研究。其結果顯示，利用 MQ 系列氣體感測器與支援向量機 (Support vector machine, SVM) 分類器，成功區分五種類型酒精飲料。另研究建立 WineNet 深度學習架構，結合分組卷積與通道洗牌方法，有效分析不同紅酒的腐敗程度及其與品質之關聯性。學者另開發一款可攜式電子鼻系統 (Electronic nose modules with machine learning algorithm,EMLA)，內含 10個金屬氧化物感測器，透過 SVM 模型可成功分辨四種不同葡萄酒與三種油品樣本。綜上所述，電子鼻系統配合機器學習演算法，能夠達到快速、低成本且客觀地進行酒類品質鑑定與分類，可為未知樣品進行預測，幫助檢測假冒或不合格的產品，為有效的品質控制工具。
黃羽岑.pdf