换一批基于改进一维卷积神经网络模型的蛋清粉近红外光谱真实性检测
Authenticity Detection of Egg White Powder Using Near-Infrared Spectroscopy Based on Improved One-Dimensional Convolutional Neural Network Model
摘要引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型.该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均池化层,提高模型提取光谱特征的能力,减少噪声干扰.结果表明,改进后的EG-1D-CNN模型可判别蛋清粉样本的真伪,对于掺假蛋清粉的检测率可达到97.80%,总准确率(AAR)为98.93%,最低检测限(LLRC)在淀粉、大豆分离蛋白、三聚氰胺、尿素和甘氨酸5 种单掺杂物质上分别可达到1%、5%、0.1%、1%、5%,在多掺杂中可达到0.1%～1%,平均检测时间(AATS)可达到0.004 4 s.与传统1D-CNN网络结构及其他改进算法相比,改进后的EG-1D-CNN模型在蛋清粉真实性检测上具有更高精度,检测速度快,且模型占用空间小,更适合部署在嵌入式设备中.该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的理论基础.
更多相关知识
关键词
蛋清粉近红外光谱真实性检测一维卷积神经网络深度学习egg white powdernear-infrared spectroscopyauthenticity detectionone-dimensional convolutional neural networksdeep learning
分类号
TS253.7
栏目名称
DOI
10.7506/spkx1002-6630-20240830-232
发布时间
2025-03-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（32372426）
蛋品加工技术国家地方联合研究中心-蛋品肉品加工分析平台项目（109/11090010147）
- 浏览4
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
