9XTI9LGN

2409

4 novembre 2020 13:15

6 novembre 2020 12:27

La demande de produits alimentaires de haute qualité augmente à l'échelle mondiale à un rythme sans précédent en réponse aux préoccupations croissantes en matière de santé et à la sensibilisation des consommateurs aux options alimentaires saines. Pourtant, les outils de détermination de la qualité des aliments restent limités à des laboratoires bien équipés, difficilement accessibles aux consommateurs. Malheureusement, les mécanismes d'inspection actuels sont limités et ne peuvent pas suivre en permanence tous les produits, ce qui expose la faiblesse du système à la falsification, à la falsification et au mauvais étiquetage des produits. Les consommateurs comptent uniquement sur l'étiquetage du fabricant, sans outil pratique et convivial pour confirmer la qualité, en particulier pour les produits biologiques. L'avancement de l'intelligence artificielle (IA) offre l'opportunité de développer ces outils. Dans cette étude, nous démontrons que de simples vibrations sonores traversant les produits alimentaires peuvent être utilisées en conjonction avec des modèles d'apprentissage en profondeur pour vérifier des produits de haute qualité sans additifs, ainsi que des produits alimentaires biologiques. Nos modèles de réseaux neuronaux, à savoir CNN-RNN parallèle et CRNN, atteignent une grande précision sur les tâches de classification définies. À notre connaissance, il s'agit du premier rapport d'un outil basé sur l'IA utilisant de simples vibrations sonores pour identifier l'adultération dans les produits alimentaires.

The demand for high-quality food products is increasing globally at unprecedented rates in response to growing health concerns and consumer awareness about healthy food options. Yet, the tools for determining food quality remain restricted to well-equipped laboratories, not readily accessible to consumers. Unfortunately, the current inspection mechanisms are limited and cannot keep track of all the products continuously, which exposes weakness in the system towards adulteration, falsification, and mislabeling products. Consumers rely on manufacturer labeling alone, with no convenient and user-friendly tool to confirm quality, especially for organic products. The advancement of Artificial Intelligence (AI) provides an opportunity for these tools to be developed. In this study, we demonstrate that simple sound vibrations traversing the food products can be used in conjunction with deep learning models to verify high quality products with no additives, as well as organic food products. Our neural network models, namely Parallel CNN-RNN and CRNN, achieve high accuracy on the defined classification tasks. To our knowledge, this is the first report of an AI-based tool utilizing simple sound vibrations to identify adulteration in food products.

None

• AB - Utile à l'AB
• FREDO alimentation humaine
• FREDO authentification et traçabilité
• PRODUIT beurre
• adulteration
• artificial intelligence
• fraude
• intelligence artificielle
• lait
• technologie
• transformation

• CRNN
• food fraud
• frequency response
• MFCCs
• machine learning
• mobile application
• organic food products
• Parallel CNN-RNN

Innovative Food Science & Emerging Technologies

102527

October 17, 2020

17 octobre 2020

10.1016/j.ifset.2020.102527 Le DOI est une URL unique de référencement d'une publication. Il est donc plus fiable et permanent qu'une URL classique

1466-8564 L’ISSN est un code de 8 chiffres servant à identifier les journaux, revues, magazines, périodiques de toute nature et sur tous supports, papier comme électronique.