


'Hidung elektronik' mempunyai kadar ketepatan mengenal pasti wiski setinggi 96%.
Moutai Domestik dan beberapa wiski asing mewah adalah mahal, tetapi ia juga merupakan sasaran penting untuk pemalsuan.
Bagaimanakah orang biasa boleh menentukan kualiti dan keaslian wain tanpa sommelier dengan cepat?
Baru-baru ini, sekumpulan jurutera telah membangunkan "hidung elektronik" yang dipanggil NOS.E, yang digunakan khas untuk menghidu wain.
Ia boleh "menghidu" gaya, jenama dan asal wiski yang berbeza dalam masa kurang daripada 4 minit, membuka idea baharu untuk penghargaan wain.
Mengapa bergantung pada "bau" dan bukannya "rasa"?
Malah, ciri-ciri seperti rasa, bau, tekstur dan warna wiski boleh memberikan maklumat yang berkesan untuk penilaiannya.
Antaranya, bau adalah faktor utama yang mempengaruhi rasa anggur Pengkaji menggunakan ini sebagai kejayaan utama untuk mereka bentuk NOS.E.
Pada pameran perdagangan CEBIT Australia 2019, mereka menguji enam wiski dengan NOS.E: antaranya, kadar ketepatan serantau ialah 100%, kadar ketepatan nama jenama ialah 96.15%, dan kadar ketepatan gaya ialah 92.31 %.
Walaupun ia dipanggil "hidung elektronik", ia tidak kelihatan seperti hidung!
Pada bulan April tahun ini, kertas penyelidikan itu diterbitkan dalam IEEE Sensors, jurnal IEEE.
Melihat berita ini, beberapa netizen berkata dengan teruja: Akhirnya, kami dapat mengenal pasti wain palsu!
Sesetengah netizen bergurau bahawa ia perlu dibangunkan untuk Moutai.
Jadi, bagaimanakah alat merasa wain yang kemas dan praktikal ini berfungsi? Adakah ia benar-benar boleh dipercayai?
Sampel prarawatan sebelum ujian
Sebelum ini di pameran perdagangan CeBIT, pembangun NOS.E menguji kesan "hidung elektronik" ini di tapak.
Sebelum ujian rasmi, untuk mengawal pembolehubah dan mengurangkan gangguan pembolehubah yang tidak relevan pada keputusan, penyelidik telah memproses terlebih dahulu sampel:
Mereka memilih 6 sampel wiski sebagai subjek eksperimen: 3 3 wiski malt campuran dan 3 wiski malt tunggal, dan jumlah sampel yang sama diletakkan dalam vial pengekstrakan mikro fasa pepejal individu (SPME).
Panaskan sampel kepada 30°C dan gunakan gentian SPME untuk mengambil sampel klorobenzena-D5 sebagai rujukan untuk kromatografi gas.
Kemudian, setiap gentian SPME yang dikumpul dengan klorobenzena-D5 diletakkan di atas setiap sampel wiski (tidak bersentuhan dengan cecair) dan dibiarkan selama 5 minit.
Seterusnya, gentian SPME ini dimasukkan ke dalam instrumen GC×GC-TOFMS mengikut urutan, dan maklumat yang dikumpul diproses dan dianalisis.
Hidung elektronik menjalankan 396 ujian ke atas 6 sampel
Untuk meniru sistem penciuman manusia, para penyelidik melengkapkan NOS.E dengan sejumlah 8 penderia bau.
Ujian rasmi bermula -
Suntikan udara ke dalam vial SPME yang mengandungi sampel untuk menggalakkan sebatian organik meruap dalam wain untuk dilepaskan ke hidung elektronik dengan lebih cepat.
Untuk meniru sistem penciuman manusia, penyelidik mereka bentuk lapan penderia gas untuk NOS.E.
Hidung elektronik menilai setiap bau yang dikesan oleh molekul dan kemudian menyuapkan data ke dalam komputer: menormalkan data yang dikumpul dan pemodelan kernel bukan parametrik ( berasaskan kernel bukan parametrik pemodelan) prapemprosesan.
Antaranya, proses pemodelan dijalankan di MATLAB.
Untuk mengurangkan kesan bias penderia, formula normalisasi berikut diguna pakai:
di mana, y(t) dan ˆy(t) Mewakili tindak balas penderia sebelum dan selepas penormalan masing-masing.
Kemudian, sistem NOS.E mengekstrak 9 ciri daripada tindak balas penderia gas: termasuk terbitan pertama maksimum bagi tindak balas sensor, terbitan kedua minimum, terbitan kedua maksimum, masa input dan puncak tindak balas selang waktu dll.
Selepas pengekstrakan ciri, kelaskan data: kocok set data setiap wiski secara rawak, kemudian bahagikannya 80:20 untuk membina set latihan dan set ujian.
Untuk set latihan, gunakan kaedah pengesahan silang sepuluh kali ganda (10-CV) untuk membahagikannya kepada 10 subset untuk mempelajari model klasifikasi wiski: 9 subset digunakan untuk latihan, dan baki 1 digunakan untuk pengesahan .
Gunakan diskriminasi linear (LD), mesin vektor sokongan (SVM) dan diskriminasi subruang (SUBD)* untuk melatih pengelas dan menjana satu set pengelas komponen untuk membina pengelas gabungan baharu .
Hasil analisis akhir dihantar ke terminal oleh pengelas baharu dan dibentangkan kepada pengguna.
Untuk mengurangkan ralat yang tidak disengajakan, penyelidik menjalankan berbilang eksperimen pada setiap sampel wiski dan selepas menguji setiap sampel 10 kali, menggantikannya dengan yang baharu daripada jenis yang sama; Wiski untuk mengurangkan kesan penyejatan alkohol pada eksperimen.
Para penyelidik menguji sebanyak 396 kali sebelum dan selepas.
NOS.E berprestasi baik dalam menentukan asal usul dan gaya wiski
Untuk menguji ketepatan data yang dikumpul dan diproses oleh NOS.E, para penyelidik juga menggunakan dua yang paling maju -kromatografi gas dimensi -Sampel wiski dianalisis dengan spektrometri jisim masa penerbangan (GC×GC-ToFMS) sebagai kawalan.
Mereka menguji keputusan ujian NOS.E dalam 3 dimensi.
Aspek pertama ialah: sama ada setiap sampel wiski boleh diasingkan antara satu sama lain. Ketepatan keputusan ujian NOS.E di tapak adalah seperti berikut:
Aspek kedua ialah: menilai asal usul pelbagai sampel wiski, keputusan ujian NOS.E mempunyai ketepatan tertinggi Ia sebenarnya mencapai 100%.
Aspek ketiga ialah: menilai gaya pelbagai sampel wiski Ketepatan keputusan ujian NOS.E adalah kira-kira 82% hingga 94%.
Mengenai pengarang
Wentian Zhang, pengarang pertama kertas penyelidikan, di Universiti Perubatan Pertama Shandong dan Australia Beliau mengajar di Universiti Teknologi Sydney, hala tuju penyelidikan utamanya ialah pengiraan kejuruteraan kawalan dan pengiraan perubatan.
Taoping Liu dari Universiti Sains dan Teknologi Elektronik Xi'an turut mengambil bahagian dalam pembangunan NOS.E Beliau berkelulusan PhD dari Universiti Teknologi, Sydney, Australia pengiraan dan pengiraan perubatan.
Menurut laporan dari University of Technology Sydney, selain mengenal pasti wiski, NOS.E juga mungkin digunakan untuk mengesan brendi dan minyak wangi pada masa hadapan.
Sekiranya penyelidikan ini boleh dipromosikan dan digunakan, ia juga mungkin digunakan untuk lebih banyak minuman beralkohol dalam masa terdekat. Pengguna hanya perlu menggunakan produk elektronik kecil untuk menentukan kategori dan keaslian wain dengan mudah.
Nah, pada masa itu, peminum Cina tidak perlu risau lagi untuk membeli Moutai palsu~ (kepala anjing manual)
Alamat kertas: https://ieeexplore.ieee.org/ document/ 9701291
Pautan rujukan: [1]https://www.smithsonianmag.com/smart-news/a-new-electronic-nose-may-help-sniff-out-counterfeit-whiskey-180979931 /
[2]https://ms.wikipedia.org/wiki/Kromatografi_Gas
Atas ialah kandungan terperinci 'Hidung elektronik' mempunyai kadar ketepatan mengenal pasti wiski setinggi 96%.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Apakah pendapat anda tentang furmark? 1. Tetapkan "Mod Jalankan" dan "Mod Paparan" dalam antara muka utama, dan juga laraskan "Mod Ujian" dan klik butang "Mula". 2. Selepas menunggu seketika, anda akan melihat keputusan ujian, termasuk pelbagai parameter kad grafik. Bagaimanakah furmark layak? 1. Gunakan mesin pembakar furmark dan semak hasilnya selama kira-kira setengah jam Ia pada asasnya berlegar sekitar 85 darjah, dengan puncak 87 darjah dan suhu bilik 19 darjah. Casis besar, 5 port kipas casis, dua di hadapan, dua di atas, dan satu di belakang, tetapi hanya satu kipas dipasang. Semua aksesori tidak overclock. 2. Dalam keadaan biasa, suhu biasa kad grafik hendaklah antara "30-85℃". 3. Walaupun suhu ambien terlalu tinggi pada musim panas, suhu biasa ialah "50-85℃"

"Ujian Inaction" bagi MMORPG dongeng fantasi baharu "Zhu Xian 2" akan dilancarkan pada 23 April. Apakah jenis kisah pengembaraan dongeng baharu yang akan berlaku di Benua Zhu Xian beribu-ribu tahun selepas karya asal? The Six Realm Immortal World, akademi abadi sepenuh masa, kehidupan abadi percuma, dan semua jenis keseronokan di dunia abadi sedang menunggu rakan-rakan abadi untuk meneroka secara peribadi! Pra-muat turun "Wuwei Test" kini dibuka Rakan-rakan Fairy boleh pergi ke laman web rasmi untuk memuat turun Anda tidak boleh log masuk ke pelayan permainan sebelum pelayan dilancarkan sudah selesai. Waktu pembukaan "Zhu Xian 2" "Inaction Test": 23 April 10:00 - 6 Mei 23:59 Bab pengembaraan dongeng baharu sekuel ortodoks kepada Zhu Xian "Zhu Xian 2" adalah berdasarkan novel "Zhu Xian" sebagai cetak biru Berdasarkan pandangan dunia karya asal, latar belakang permainan ditetapkan

"Operation Delta" akan melancarkan ujian PC berskala besar yang dipanggil "Codename: ZERO" hari ini (7 Mac). Hujung minggu lalu, permainan ini mengadakan acara pengalaman flash mob luar talian di Shanghai, dan 17173 juga bertuah kerana dijemput untuk mengambil bahagian. Ujian ini hanya tinggal lebih empat bulan lagi daripada kali terakhir, yang membuatkan kami tertanya-tanya, apakah sorotan dan kejutan baharu yang akan dibawa oleh "Operasi Delta" dalam tempoh yang singkat? Lebih empat bulan yang lalu, saya mengalami "Operasi Delta" dalam sesi merasa luar talian dan versi beta pertama. Pada masa itu, permainan hanya membuka mod "Tindakan Berbahaya". Walau bagaimanapun, Operasi Delta sudah mengagumkan pada zamannya. Dalam konteks pengeluar utama yang berpusu-pusu ke pasaran permainan mudah alih, FPS sedemikian yang setanding dengan piawaian antarabangsa

Kemahiran menguji pangkalan data di Golang Pengenalan: Ujian pangkalan data adalah pautan yang sangat penting semasa membangunkan aplikasi. Kaedah ujian yang sesuai boleh membantu kami menemui masalah yang berpotensi dan memastikan ketepatan operasi pangkalan data. Artikel ini akan memperkenalkan beberapa teknik ujian pangkalan data biasa di Golang dan memberikan contoh kod yang sepadan. 1. Menguji menggunakan pangkalan data dalam memori Semasa menulis ujian berkaitan pangkalan data, kita biasanya menghadapi soalan: Bagaimana untuk menguji tanpa bergantung pada pangkalan data luaran? Di sini kita boleh menggunakan memori

Bagaimana untuk menggunakan MTR untuk menjalankan ujian kebolehpercayaan pangkalan data MySQL? Gambaran Keseluruhan: MTR (MySQL Test Runner) ialah alat ujian yang disediakan secara rasmi oleh MySQL, yang boleh membantu pembangun menjalankan ujian fungsian dan prestasi pangkalan data MySQL. Semasa proses pembangunan, untuk memastikan kebolehpercayaan dan kestabilan pangkalan data, kami sering perlu menjalankan pelbagai ujian, dan MTR menyediakan kaedah yang mudah, mudah dan boleh dipercayai untuk menjalankan ujian ini. Langkah: Pasang MySQL test runner: Pertama, anda perlu memuat turunnya dari laman web rasmi MySQL

Gambaran Keseluruhan Cara Menggunakan Selenium untuk Pengujian Automasi Web: Ujian automasi web ialah bahagian penting dalam proses pembangunan perisian moden. Selenium ialah alat ujian automatik yang berkuasa yang boleh mensimulasikan operasi pengguna dalam pelayar web dan melaksanakan proses ujian automatik. Artikel ini akan memperkenalkan cara menggunakan Selenium untuk ujian automasi web dan disertakan dengan contoh kod untuk membantu pembaca bermula dengan cepat. Penyediaan persekitaran Sebelum memulakan, anda perlu memasang perpustakaan Selenium dan pemacu penyemak imbas web

Maven ialah alat pengurusan projek sumber terbuka yang biasa digunakan untuk tugas seperti membina projek Java, mengurus kebergantungan dan menerbitkan dokumen. Apabila menggunakan Maven untuk binaan projek, kadangkala kita mahu mengabaikan fasa ujian apabila melaksanakan arahan seperti mvnpackage, yang akan meningkatkan kelajuan binaan dalam beberapa kes, terutamanya apabila prototaip atau persekitaran ujian perlu dibina dengan cepat. Artikel ini akan memperincikan cara mengabaikan fasa ujian dalam Maven, dengan contoh kod tertentu. Mengapa Ujian Sering Diabaikan Semasa Pembangunan Projek

Pengenalan Penyepaduan berterusan (CI) dan penggunaan berterusan (CD) ialah amalan utama dalam pembangunan perisian moden yang membantu pasukan menyampaikan perisian berkualiti tinggi dengan lebih pantas dan lebih dipercayai. Jenkins ialah alat CI/CD sumber terbuka yang popular yang mengautomasikan proses binaan, ujian dan penggunaan. Artikel ini menerangkan cara menyediakan saluran paip CI/CD dengan Jenkins menggunakan PHP. Sediakan Jenkins Pasang Jenkins: Muat turun dan pasang Jenkins daripada tapak web rasmi Jenkins. Cipta projek: Cipta projek baharu daripada papan pemuka Jenkins dan namakannya agar sepadan dengan projek php anda. Konfigurasikan kawalan sumber: Konfigurasikan repositori git projek PHP anda sebagai Jenkin
