换一批摘要鳗鱼肉质在运输和储存过程中因含水量高、微生物活动等因素易变质,影响产业发展与食品安全.针对此问题,本研究构建MGF-CLT-ATT动态自适应模型,融合CNN-LSTM-Transformer多层架构,通过多粒度特征处理模块(MGF)与双重注意力机制(动态注意力TSEA和全局特征自适应融合GFAF),实现对羰基含量、巯基含量、Ca2+-ATPase活性和TVB-N含量4项核心指标的多模态时序预测.同时,结合K-Means++聚类算法,建立了科学的鳗鱼肉质品质分级体系.研究采集了鳗鱼肉质在不同温度(-13、18、-23 ℃)和包装条件(普通/真空包装)下120天内的样本数据,经归一化与单调性变换预处理后输入模型训练.实验结果表明,MGF-CLT-ATT模型在MAE、MSE和MAPE等指标上明显优于BP、Transformer、CNN-LSTM等传统模型.基于K-Means++的聚类分析将鳗鱼品质划分为优、中、低三级;聚类结果显示品质分类效果良好,能够对鳗鱼肉质进行有效客观分类.研究成果对于优化鳗鱼储存运输条件、保障鳗鱼产品质量安全和推动鳗鱼产业可持续发展具有理论和实践意义.
更多相关知识
关键词
鳗鱼肉质品质MGF-CLT-ATT多层结构模型多粒度特征动态注意力品质指标预测品质等级分级eel meat qualityMGF-CLT-ATTmulti-layer structural modelmulti granularity featuresdynamic attentionquality index predictionquality level classification
分类号
TS254.4
栏目名称
DOI
10.16210/j.cnki.1007-7561.2025.06.014
发布时间
2026-01-05（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
