在中药草药中快速检测菌,使用增强的深度学习技术
Ting Zhu1, Xincan Wu1, Ling Ma1
1School of Mathematics and Computer Science, Key Laboratory of Forest Sensing Technology and Intelligent Equipment of Department of Forestry, Key Laboratory of Forestry Intelligent Monitoring and Information Technology of Zhejiang Province, Zhejiang A & F University, Hangzhou, China.
这项研究引入了一种新的电子鼻子 (e-nose) 方法,使用异常时卷积网络 (ETCN) 快速检测中国草药 (CHM) 中的菌. 该技术达到94.3%的准确性,确保了更安全的传统医学.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 传统中国医药 传统中国医药
背景情况:
- 菌污染是影响中国草药 (CHM) 质量和有效性的一个主要问题.
- 在CHM中准确和快速检测模具对于质量控制至关重要.
研究的目的:
- 开发一种快速而精确的方法来检测CHM中的菌,特别是*Atractylodes macrocephala*.
- 利用电子鼻子 (e-nose) 技术与先进的深度学习模型相结合,用于模具识别.
主要方法:
- 使用随机共振 (SR) 来否定e-nose数据.
- 开发一个古怪的时间卷积网络 (ETCN) 模型来分析传感器数据.
- 使用八个传感器的数据验证SR增强ETCN (SR-ETCN) 模型.
主要成果:
- 在CHM中,SR-ETCN方法实现了94.3%的高精度,用于在CHM中检测模具.
- 与其他七款车型相比,拟议的车型表现出了卓越的性能.
- 该方法有效地从电子鼻子信号中捕获时间和空间信息.
结论:
- SR-ETCN方法为检测中国草药中的菌提供了可靠和高效的解决方案.
- 这项技术可以显著加快CHM的质量评估.
- 通过改善质量控制,确保传统医疗实践的安全性和有效性.
更多相关视频
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
07:50Author Spotlight: Integrating 2D-HPLC-MS and Molecular Networking in Natural Medicine Analysis
Published on: December 8, 2023
相关概念视频
Differential Staining Technique
Special Staining Techniques
Methods of Classification and Identification
Automated Microbial Diagnostics
