首页 > 食品科学 > 基于残差网络模型的速溶全脂奶粉分散性与堆积密度检测方法

基于残差网络模型的速溶全脂奶粉分散性与堆积密度检测方法

Detection of Dispersibility and Bulk Density of Instant Whole Milk Powder Based on Residual Network

二维码有效期 120s

摘要针对传统的奶粉品质国际标准检测方法中存在的主观性和滞后性等问题,本研究提出了一种基于残差网络(residual network,ResNet)的奶粉分散性和堆积密度的快速分类检测方法.在本研究中,使用的数据集包括499张在10倍光学显微镜下拍摄的速溶全脂奶粉颗粒微观分布图像,这些图像来自10个不同的样本组.首先,按照国际标准方法检测这10组样本的分散性和堆积密度,进而基于测试结果划分不同的分散性和堆积密度级别.随后,利用这些微观图像对ResNet模型进行训练,以实现对不同样本的有效分类.最终,通过分类结果预测速溶全脂奶粉的分散性、松散密度和振实密度.此外,本研究还对比了ResNet、EfficientNetV2和Swin Transformer等不同深度学习模型的预测效果.结果表明,基于ResNet 152的深度学习模型在预测速溶全脂奶粉的分散性、松散密度和振实密度方面表现最佳,其在测试集上的准确率分别达到97.50％、98.75％和95.00％.这些深度学习模型在奶粉品质检测中的出色性能不仅证明了该方法能够实时、准确地预测奶粉的分散性和堆积密度,同时也为奶粉品质的在线检测提供了新的技术途径.

作者丁浩晗 ^[1] 沈嵩 ^[2] 谢祯奇 ^[2] 崔晓晖 ^[3] 王震宇 ^[4] 学术成果认领

作者单位江南大学未来食品科学中心,江苏无锡 214122;江南大学人工智能与计算机学院,江苏无锡 214122 ^[1] 江南大学人工智能与计算机学院,江苏无锡 214122 ^[2] 江南大学未来食品科学中心,江苏无锡 214122;武汉大学国家网络安全学院,湖北武汉 430072 ^[3] 嘉兴未来食品研究院,浙江嘉兴 314005 ^[4]

关键词速溶全脂奶粉分散性堆积密度深度学习残差网络 instant whole milk powder dispersibility bulk density deep learning residual network

分类号 TS207.3

栏目名称

机器学习专栏

DOI 10.7506/spkx1002-6630-20240129-262

发布时间 2024-06-17

基金项目

国家重点研发计划（2022YFF1101100）；中央高校基本科研业务费专项资金资助项目（JUSRP123053）；教育部工程研究中心开放基金（KJAQ202304007）