基于时间解决的LIBS的多任务专家混合CNN,用于对奶粉造的定性和定量合作分析
Qirui Shao1, Yi Li1, Huiping Chai1
1School of Computer and Electronic Information, Nanjing Normal University, Nanjing, Jiangsu 210023, PR China.
Food research international (Ottawa, Ont.)
|January 9, 2026
概括
一个新的多任务混合专家卷积神经网络 (MTMoE-CNN) 能够有效地使用时间解析激光诱导分解光谱 (LIBS) 检测奶粉造. 这种先进的AI模型在定性和定量分析方面实现了高精度,提高了食品安全.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 奶粉造对公众健康和消费者信任构成重大风险.
- 现有的检测伪造的方法往往缺乏现实世界食品安全监测所需的速度,准确性或全面分析.
研究的目的:
- 开发一种高性能方法,用于同时进行奶粉造的定性和定量分析.
- 引入一个新的多任务混合专家卷积神经网络 (MTMoE-CNN),与时间解析激光诱导分解光谱学 (LIBS) 集成.
主要方法:
- 时间卷积网络和适应性Inception模块的集成,以捕获光谱细节和时间模式.
- 多任务学习用于联合分类和回归,使特征共享成为可能.
- 在由分类结果指导的定量分支中混合专家架构.
主要成果:
- 与传统方法相比,MTMoE-CNN实现了更高的性能.
- 实现了0.950.0的分类准确度.
- 获得的回归指标:R2 = 0.864,RMSE = 2.897,MAE = 1.766 在测试组.
结论:
- MTMoE-CNN模型通过废除研究和可转移性评估来证明其稳定性,可扩展性和透明度.
- 提出的方法显示了快速食品安全监测在现实世界中实施的强大潜力.
- 这种人工智能驱动的LIBS方法为确保奶粉质量和安全提供了一个强大的工具.


