ЗАСТОСУВАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ АНАЛІЗУ ДАНИХ ПРО СВІЖІСТЬ М’ЯСА

Анотація

Споживачі все частіше сумніваються в якості харчових продуктів, зокрема м’яса, і вимагають достовірної інформації про їх свіжість і безпечність. Традиційні методи оцінки свіжості м'яса, такі як органолептичний і лабораторний аналізи, часто є суб'єктивними, трудомісткими та тривалими. Це підкреслило необхідність розробки ефективних і швидких методів визначення свіжості м'яса. У цьому контексті сучасні технології, в тому числі нейронні мережі, стали дуже актуальними для визначення свіжості м’яса. Нейронні мережі, відомі своїми потужними можливостями обробки та аналізу даних, пропонують точні та автоматизовані методи оцінки якості їжі. Це дослідження досліджує застосування методів машинного навчання, зокрема використання TensorFlow, для аналізу даних про свіжість м’яса. Ми пропонуємо інтелектуальну систему контролю якості м’яса, яка поєднує в собі сенсорну мережу та нейронну мережу. Система об’єднує датчики газу та датчик кольору з програмним забезпеченням, що використовує нейронну мережу для аналізу та прийняття рішень. Досконально деталізовано структуру розумної системи, принципи її роботи, особливості архітектури та процес навчання нейронної мережі за допомогою TensorFlow. Наш проект передбачає об’єднання датчиків, мікроконтролера Arduino та одноплатного комп’ютера Raspberry Pi для розробки системи, здатної точно й надійно визначати свіжість м’яса. Результати демонструють, що запропонована система може значно покращити контроль якості м’яса, забезпечуючи своєчасну та точну оцінку свіжості. Це має серйозні наслідки для зменшення харчових відходів, захисту споживачів від потенційних ризиків для здоров’я, забезпечення справедливого ціноутворення та покращення загального контролю якості в м’ясній промисловості. Пропонуються подальші дослідження та розробки, спрямовані на оптимізацію моделі, збільшення навчальних даних та інтеграцію аналізу в реальному часі, щоб підвищити ефективність системи та практичне застосування.