MSI-FusionNet:一个多模式的光谱图像融合网络,用于麦品种识别
Xinjun Hu1,2, Mingkui Dai1, Anjun Li2,3
1School of Mechanical Engineering, Sichuan University of Science and Engineering, Yibin 644000, China.
Food chemistry: X
|October 27, 2025
概括
这项研究引入了多模式光谱图像融合网络 (MSI-FusionNet),用于准确识别在Baijiu生产中使用的12种小麦品种. 这种方法通过整合光谱和图像数据来提高准确性,支持一致的液体质量.
科学领域:
- 农业科学 农业科学
- 数据科学数据科学数据科学
- 食品科学 食品科学 食品科学
背景情况:
- 麦品种的成分显著影响酒造,味道和质量.
- 准确识别子品种对于保持一致的Baijiu特征至关重要.
研究的目的:
- 开发一种快速而准确的方法,使用数据融合识别子品种.
- 与仅使用光谱或图像数据相比,提高识别准确性.
主要方法:
- 提出了一个多模式光谱图像融合网络 (MSI-FusionNet) 模型.
- 综合了来自高光谱成像的1D光谱数据与来自工业显微镜的2D图像数据.
- 评估了各种2D卷积神经网络 (2DCNN) 架构,选择了ShuffleNetV2以获得最佳效率.
主要成果:
- 在识别12种果品种方面获得了93.33%的准确性.
- MSI-FusionNet的精度比光谱数据单独提高了11.11%,比图像数据单独提高了29.63%.
- 基于ShuffleNetV2的MSI-FusionNet平衡了高精度与降低模型复杂性和计算成本.
结论:
- MSI-FusionNet提供了一个高效和准确的解决方案,用于在Baijiu行业中识别麦品种.
- 这项技术支持Baijiu风味和质量的稳定性.
- 为酒行业提供宝贵的技术支持.
