基于视觉变压器和多尺度卷积聚变的自然污染花生中亚拉托克素检测
Cong Wang1, Yifan Zhao2, Hongfei Zhu3
1College of Science and Information, Qingdao Agricultural University, Qingdao 266109, China.
Food chemistry
|April 12, 2025
概括
一个新的AI模型,1D-MCFViT,使用光谱数据和先进的图像处理,准确地检测花生中的 aflatoxin. 这种方法提高了检测准确度,这对于食品安全和开发在线测试设备至关重要.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 计算机科学 计算机科学
背景情况:
- 杏仁毒素是花生中发现的有毒代谢物,对人类健康构成重大风险.
- 准确高效地检测亚毒素污染对食品安全至关重要.
研究的目的:
- 开发一种改进的模型,以在自然条件下检测被亚毒素污染的花生.
- 增强特征区分能力,以提高检测准确度.
主要方法:
- 开发了一种改进的1D-MCFViT模型,将视觉变压器与多尺度卷积融合集成.
- 从清理的RGB图像中提取了光谱曲线,并使用自动编码器网络和高斯重新采样进行了数据增强.
- 该模型的性能与传统的机器学习和深度学习模型进行了评估.
主要成果:
- 1D-MCFViT模型在验证集中实现了92.6%的准确性和94.4%的回忆.
- 与1D-ViT模型相比,拟议的方法在准确度上有1.23%的改进.
- 这种方法显著超过了传统的机器学习和主流深度学习模型.
结论:
- 开发的1D-MCFViT模型为在花生中检测青毒素提供了强大而准确的解决方案.
- 数据生成技术有效地增强了特征歧视,从而提高了检测性能.
- 这项研究为食品安全应用的在线 aflatoxin检测设备的开发提供了坚实的基础.
