换一批深度学习与可解释人工智能驱动可见-近红外光谱无损检测牛肉硫代巴比妥酸含量
Non-destructive detection of the content of thiobarbituric acid in beef by visible-near infrared spectroscopy driven by deep learning and explainable artificial intelligence
摘要目的 利用深度学习与可解释人工智能驱动的可见-近红外(visible near infrared,Vis-NIR)光谱技术实现牛肉中硫代巴比妥酸反应物(thiobarbituric acid reactive substances,TBARS)快速无损检测.方法 通过对 420 份牛肉样品进行 Vis-NIR 光谱采集和 TBARS 测定,并比较不同的预处理方法、特征选择方法和建模方法,实现牛肉 TBARS 的无损快速检测.结果 标准正态变换-逐步投影算法-长短期记忆网络模型表现最优[测试集决定系数(R-square of prediction set,R2P)=0.8378,测试均方根误差(root mean square error of prediction set,RMSEP)=0.0679 mg/kg,相对预测偏差(residual prediction deviation,RPD)=2.4833],优于偏最小二乘回归(partial least squares regression,PLSR)和极端梯度提升(extreme gradient boosting,XGBoost).进一步通过沙普利可加性解释(Shapley additive explanations,SHAP)可解释性分析,揭示了 1080 nm、956 nm 等关键波长对 TBARS 预测的贡献机制.结论 本研究提出的方法为牛肉 TBARS 的快速、无损、精准且可解释检测提供了创新策略.
更多相关知识
关键词
硫代巴比妥酸反应物深度学习可解释人工智能长短期记忆网络无损检测可见-近红外光谱thiobarbituric acid reactive substancesdeep learningexplainable artificial intelligencelong short-term memorynon-destructive detectionvisible-near infrared spectroscopy
栏目名称
DOI
10.19812/j.cnki.jfsq11-5956/ts.20251203002
发布时间
2026-05-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFD2100504）
- 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
