一个优化的双向长期短期记忆模型,基于对奶粉中蛋白质含量的高光谱分析
Wenjing Zhang1,2, Heru Xue1, Xinhua Jiang1,2
1College of Computer and Information Engineering Inner Mongolia Agricultural University Saihan District, Hohhot China.
Food science & nutrition
|January 13, 2025
概括
准确检测奶粉蛋白质对于乳制品质量和消费者健康至关重要. 使用超频谱数据和鱼优化算法 (WOA) 的新型深度学习模型显著提高了预测准确性.
科学领域:
- * 农业科学 农业科学
- * 分析化学 分析化学
- * 数据科学数据科学
背景情况:
- * 奶粉蛋白质含量是关键的营养和质量指标.
- *目前的检测方法可能很慢,缺乏准确性,影响乳制品行业和消费者健康.
- * 需要更快,更准确的方法来分析牛奶蛋白.
研究的目的:
- * 开发一种快速而准确的方法来检测奶粉蛋白质含量.
- * 探索超光谱数据和深度学习用于非破坏性分析的应用.
- * 优化深度学习模型以提高预测性能.
主要方法:
- *使用超光谱数据和化学成分作为独立变量.
- *数据预处理涉及以平均值为中心 (MC) 方法.
- *特征波长选择使用竞争性自适应重量化采样 (CARS) 和非信息变量消除 (UVE).
- *采用了双向长期短期记忆 (BiLSTM) 网络与注意力机制.
- * 用鱼优化算法 (WOA) 来进行超参数优化.
主要成果:
- * WOA-BiLSTM-Attention模型实现了0.9975的确定系数 (R2) 和0.0337.7的根平均平方预测误差 (RMSEP).
- *与BiLSTM-Attention模型相比,这表示R2增加了0.799%,RMSEP下降了56.5%.
- *优化模型在预测奶粉蛋白质含量方面表现出高准确性.
结论:
- * 开发的WOA-BiLSTM-Attention模型提供了一种可靠和准确的方法,用于确定奶粉中的非破坏性蛋白质含量.
- *这种深度学习方法比现有方法提供了显著的改进,支持乳制品行业.
- * 该研究为在食品质量分析中应用先进算法奠定了理论基础.
更多相关视频
11:14Mass Spectrometric Approaches to Study Protein Structure and Interactions in Lyophilized Powders
Published on: April 14, 2015
16.0K
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.6K
