Intelligentes System zur Erkennung von Lebensmittelverderb mittels maschinellen Lernens aus AMTH-Daten

Lebensmittelverderb ist ein kritisches Problem in der globalen Lebensmittelversorgungskette, das zu wirtschaftlichen Verlusten, erhöhtem Lebensmittelabfall und Risiken für die öffentliche Gesundheit führt. Dieses Papier präsentiert ein intelligentes System zur Erkennung von Lebensmittelverderb unter Verwendung von maschinellem Lernen und AMTH-IoT-Sensordaten, einschließlich Temperatur, Luftfeuchtigkeit, Kohlendioxid (CO₂)-Niveaus und Lagerdauer. Ein Multilayer-Perzeptron (MLP) Klassifikator wird trainiert, um komplexe Muster zu erfassen, die mit der Lebensmittelverschlechterung verbunden sind. Das Modell wird über eine auf Flask basierende Webanwendung bereitgestellt, die eine benutzerfreundliche Schnittstelle für Echtzeitvorhersagen ermöglicht. Experimentelle Ergebnisse zeigen eine verbesserte Genauigkeit, Präzision, Erinnerung und F1-Score im Vergleich zu herkömmlichen Methoden wie SVM. Das System unterstützt effiziente Entscheidungsfindung in Lager- und Lieferkettenumgebungen. Das vorgeschlagene Framework bietet eine skalierbare, kosteneffektive Lösung für intelligentes Monitoring der Lebensmittelqualität und trägt zur Reduzierung von Lebensmittelabfällen und zur Verbesserung der Lebensmittelsicherheit bei.