基于IncepSpect-CBAM的Zanthoxylum bungeanum粉末含量的定量分析模型
Yue Wang1,2,3, Pingzeng Liu1,2,3, Sicheng Liang1,2,3
1Key Laboratory of Huang-Huai-Hai Smart Agricultural Technology, Ministry of Agriculture and Rural Affairs, Taian 271018, China.
一个新的深度学习模型,IncepSpect-CBAM,准确地量化了Zanthoxylum bungeanum粉末,即使有多种伪造剂. 该方法使用近红外光谱学 (NIRS) 为粉状食品提供快速,非破坏性的质量评估.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 假冒Zanthoxylum bungeanum粉末是一个重要的质量控制问题.
- 现有的近红外光谱 (NIRS) 模型用于伪造检测,通常是针对单个伪造剂的,需要广泛的样品预处理,限制了它们的现实应用.
研究的目的:
- 开发一种强大而准确的方法来量化Zanthoxylum bungeanum粉末含量在各种伪造剂的存在下.
- 通过创建一个端到端的深度学习解决方案来克服传统NIRS模型的局限性.
主要方法:
- 建议IncepSpect-CBAM,一个1D卷积神经网络,集成Inception模块,CBAM和剩余连接.
- 该模型直接从原始光谱数据中学习特征,消除了对广泛预处理的需求.
- 在一个数据集上评估了四种常见的伪造剂的性能:玉米面粉,小麦粉,大米粉和Zanthoxylum bungeanum茎粉.
主要成果:
- IncepSpect-CBAM实现了0.058的根平均平方预测误差 (RMSEP) 和0.980.98的预测确定系数 (RP2).
- 与传统方法 (PLSR,SVR) 和其他深度学习模型 (1D-CNN,DeepSpectra) 相比,表现出卓越的性能.
- 该模型在多个伪造场景中显示出稳定性.
结论:
- 拟议的IncepSpect-CBAM模型能够高精度定量分析Zanthoxylum bungeanum粉末含量,尽管存在多种改.
- 这项研究提供了一个强大的技术框架,用于使用NIRS.快速,非破坏性的粉末食品质量评估.
更多相关视频
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10:10Three-Dimensional Particle Shape Analysis Using X-ray Computed Tomography: Experimental Procedure and Analysis Algorithms for Metal Powders
Published on: December 4, 2020
相关概念视频
z Scores and Area Under the Curve
Mass Spectrometry: Complex Analysis
GC–MS is a powerful hyphenated method commonly used in forensics and environmental...
Analysis of Population Pharmacokinetic Data
Estimation of the Physical Quantities
Inductively Coupled Plasma-Mass Spectrometry (ICP-MS): Interferences
Measurement of Air Content in Concrete
The pressure method,...
