基于电子舌和电子眼结合改进MobileNetv3的黄芪快速溯源检测

目的:实现对不同产地黄芪的快速溯源检测。方法:提出了一种基于电子舌和电子眼结合改进MobileNetv3网络的黄芪产地快速检测方法。采用电子舌和电子眼分别采集不同黄芪样本的一维指纹图谱信息和二维外观图像信息。利用格拉姆角场(Gramian angular field, GAF)将一维电子舌信号转换为二维图像信息,保留电子舌信号中时间序列相关特征,再将其与电子眼采集的图像信息进行数据融合,采用基于金字塔切分注意力机制(Pyramid split attention, PSA)改进的MobileNetv3模型实现对不同产地黄芪样本的分类识别。结果:相较于单独使用电子舌或者电子眼,该方法具有更高的识别准确率,其测试集准确率、精确率、召回率和F₁-Score分别达到98.8%,98.8%,98.8%和0.99。改进的MobileNetv3网络分类准确率较原始模型提高了8%,参数量仅为原参数量的20%左右。结论:改进的MobileNetv3网络可以有效减少参数的计算量,提高不同产地黄芪识别的准确率。     

基于电子舌与MAML-CNN模型的大豆产地溯源快速检测

根据不同产地大豆成分特征含量的差异,提出了一种基于电子舌结合元学习(meta-learning)-卷积神经网络(convolution neural networks, CNN)组合模型实现对大豆产地溯源的快速检测的方法。采用一维卷积神经网络对电子舌信号进行特征提取和分类识别,针对CNN模型难以适应新任务,依赖大量数据训练等问题,采用模型无关元学习算法(model-agnostic meta-learning, MAML)在预训练数据集上对CNN进行预训练,为CNN获得一个全局最优初始化参数。在此基础上,利用微调策略实现对新类别少量样本的快速适应与学习,最后通过模型实现查询样本的分类预测。实验结果表明,模型测试的准确率、召回率、精确率、F1-Score分别达到93.6%、93.8%、93.6%、0.937。研究为大豆产地溯源检测提供了一种快速的检测方法,并为仿生智能感官技术在农产品检测领域提供新的研究思路。