基于基于图像识别技术和人工神经网络的食品中大肠菌群的实时预测.docVIP

基于基于图像识别技术和人工神经网络能发酵乳糖、产酸产气、需氧和兼性厌氧的革兰氏阴性无芽胞杆菌埃希氏菌埃希氏菌Reichart，Szakmár，Jozwiak，Felfoldi，Baranyai（2007）报道，氧化还原电位测量方法可以作为一种合适的方法进行定量和定性测定细菌在他们的研究文章氧化还原电位测量方法大肠菌群进行了测试和验证结果证明这种新方法的高效和可靠性蛋白检测试剂盒可以显示实时然而，以前的研究已经表明，在土壤的情况下，为了获得实时信息，以监督生产和判断食品在生产过程中的污染状况，开发展中一个新的快速检测方法迫在眉睫。然而，大肠菌群的定义，它不是医学细菌学分类健康领域的，所以很难找到一个共同的特点。因此，难以实现接近实时的检测。为了解决这个问题，在本文中，图像识别技学和人工神经网络模型用于开发一个检测系统可以估算食品中总大肠菌群数。该系统可以在30分钟内获得总大肠菌群数（MPN1/100克或毫升）预测的结果实验结果呈正相关（相关系数R2 =0.9716）的。这是一种快速，有效的尚未被报道方法。在此之前的研究中，一些文献中关于人工神经网络用于细菌鉴定。Rebuffo, Schmitt, Wenning, von Stetten, and Scherer利用人工神经网络的傅立叶变换红外光谱以确定单核细胞增生李斯特氏菌和李斯特菌Rebuffo-S, Schmitt, 和Sche