Augmented reality for food quality assessment: Bridging the physical and digital worlds
Notice bibliographique
Résumé
Augmented Reality (AR) is revolutionizing technology that has found applications in food quality and safety assessment as related to addressing challenges in traditional methods that often lack real-time precision, impacting food. This review explores AR's components, applications, and impacts on real-time food quality inspection, sensory evaluation , and traceability. AR empowers food industry stakeholders like consumers and inspectors by enhancing inspections, evaluations, and transparency. It bridges the physical and digital realms, redefining food inspection, and re-establishing consumer trust by providing real-time inspection, quality control , and transparency solutions. This paper dissects AR's core components, such as smart glasses and smartphones, exploring applications that offer precision and transparency in food assessment. AR enables inspectors to identify defects, contamination, and quality issues with unparalleled precision. Sensory evaluation is enhanced, ensuring standardized assessments based on attributes like color, texture, and flavor. Traceability and transparency solutions empower consumers with access to origin and quality information. AR extends to smart glasses and devices, streamlining inspections and enhancing quality assurance workflows. Successful case studies validate AR's practicality across food industry sectors. Ethical, regulatory, and innovative considerations are vital in this transformative process. Therefore, AR revolutionizes food quality assessment , enhancing safety, quality, and transparency. Through improved ethical and regulatory considerations, innovation, and collaboration delivered by AR, the food industry elevates its standards. This not only safeguards global consumer health but also elevates their satisfaction and trust.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».