在没有标准样本的情况下,基于迁移学习的不同形式的大豆之间的7S和11S蛋白质含量近红外光谱模型转移方法的研究

科学领域:

• 农业科学 农业科学
• 分析化学 分析化学
• 生物化学 生物化学

背景情况:

• 7S和11S球蛋白对大豆蛋白质质量和功能至关重要.
• 像SDS-PAGE这样的传统方法对于球蛋白分析是耗时且昂贵的.
• 近红外 (NIR) 光谱学提供了大豆成分的快速,非破坏性分析.

研究的目的:

• 开发一种无标准的转移学习模型,用于准确预测各种大豆样本中的7S和11S血球蛋白含量.
• 克服NIR光谱中共享的定量预测模型的局限性,用于大豆蛋白质分析.
• 提高大豆蛋白质质量控制的效率和准确性.

主要方法:

• 从各种大豆种子和粉末中收集NIR光谱数据.
• 建立了7S和11S蛋白质含量的初始NIR预测模型.
• 改进了用于模型转移的直接标准化 (DS) 和零碎直接标准化 (PDS) 算法.
• 利用不变风险最小化 (IRM) 来强制执行不变特征学习.
• 研究了用于模型转移的无标准迁移学习方法.

主要成果:

• 拟议的无标准转移学习模型显示,它对于大豆种子和粉末之间的7S和11S球蛋白含量建模具有卓越的适用性.
• 基于DS-PDS的传输方法有效地解决了模型差异.
• IRM迫使模型学习强有力的因果特征.

结论:

• 无标准转移学习提供了一种有效和准确的方法来检测大豆中的7S和11S球蛋白含量.
• 这种方法支持大豆加工和功能产品开发的增强质量控制.
• 与高级转移学习相结合的NIR光谱学为传统分析方法提供了可行的替代方案.