使用基于红外光谱图像的2D-CNN和Grad-CAM++精确和可见的Chenpi年龄歧视
Li Jun Tang1, Xin Kang Li1, Yue Huang1
1School of Pharmacy and Food Engineering, Wuyi University, Jiangmen, 529020, PR China.
Food chemistry: X
|September 16, 2024
概括
确定干燥的皮 (Chenpi) 的年龄对于质量至关重要. 这项研究成功地使用了富里埃变换红外光谱 (FTIR) 和二维卷积神经网络 (2D-CNN) 来准确识别陈皮年龄.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 人工智能的人工智能
背景情况:
- 干燥的皮 (Chenpi) 的质量取决于储存年龄,被称为"Chen Jiu Zhe Liang".
- 由于其临床和营养益处,对消费者来说,精确的陈皮年龄识别至关重要.
- 目前的Chenpi年龄测定方法可能缺乏速度和准确性.
研究的目的:
- 开发一种快速而准确的方法来确定陈皮的储存年龄.
- 应用福里埃变换红外光谱法 (FTIR) 结合先进的机器学习进行陈皮年龄分析.
- 提高用于陈皮年龄歧视的机器学习模型的可解释性.
主要方法:
- 福里埃变换红外光谱法 (FTIR) 用于获取Chenpi样本的光谱图像.
- 开发了一个二维卷积神经网络 (2D-CNN) 模型来分析FTIR图像以进行年龄分类.
- 使用梯度加权类激活映射PlusPlus (Grad-CAM++) 来可视化2D-CNN模型中的特征重要性.
- 另外六个机器学习模型使用2D-CNN提取的特征进行了训练,以验证方法.
主要成果:
- 2D-CNN模型在识别陈皮年龄方面实现了97.92%的高区分精度.
- 格拉德-CAM++成功地突出了陈皮年龄的关键光谱区域.
- 使用2D-CNN提取特征的机器学习模型在年龄确定方面表现出显著的有效性.
结论:
- 整合FTIR光谱成像和2D-CNN提供了一种强大而精确的方法来确定Chenpi的年龄.
- 这种方法在Chenpi市场上提供了可靠的质量控制和消费者保证工具.
- 该研究表明了人工智能驱动的光谱分析在食品认证和质量评估中的潜力.
