基于多光谱特征融合的普茶的智能地理来源可追溯性
Xin Chen1, Ting Zhang2, Runqiu Wu2
1College of Optical and Electronic Technology, China Jiliang University, 310018 Hangzhou, China.
Food chemistry
|July 6, 2025
概括
这项研究引入了一种使用多光谱融合的深度学习方法,以准确追踪普埃尔茶的起源. 开发的模型实现了95.05%的分类准确度,大大提高了茶叶原产地可追溯性.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 机器学习 机器学习
背景情况:
- 准确的原产地可追溯性对于像普茶这样的高价值产品至关重要.
- 传统方法往往缺乏复杂身份验证所需的精度.
- 多光谱分析提供了丰富的数据,但需要先进的融合技术.
研究的目的:
- 开发基于深度学习的多光谱融合方法,以实现精确的普埃尔茶原产地追溯.
- 增强特征提取和光谱数据的融合能力.
- 为茶业的标准化发展建立可靠的技术解决方案.
主要方法:
- 从五个主要的普埃尔茶来源收集拉曼和近红外光谱数据.
- 设计一个改进的ECA-ResNet网络,并优化了道注意力机制.
- 适应性特征提取和融合多光谱数据进行分类.
主要成果:
- 多光谱聚变模型实现了95.05%的分类准确度.
- 该模型的表现优于单频谱和传统的深度学习方法.
- 证明了拉曼和近红外光谱信息的有效融合.
结论:
- 拟议的深度学习方法为普茶原产地可追溯性提供了可靠的解决方案.
- 该研究强调了多光谱融合在食品认证中的潜力.
- 未来的工作可以通过将光谱特征与化学标记器相关联来提高解释性.
