在杏仁中使用高光谱成像对阿弗拉托克辛B1分类的挤压刺激注意力引导的3D初始化ResNet
Md Ahasan Kabir1,2, Ivan Lee1, Sang-Heon Lee1
1UniSA STEM, University of South Australia, Mawson Lakes, SA 5095, Australia.
Toxins
|February 26, 2026
概括
一种使用注意力引导的3D深度学习网络 (AGIR-3DNet) 的新型高光谱成像方法,可以准确地检测杏仁中的阿弗拉托克辛B1 (AFB1). 这种非破坏性技术确保了食品安全,并减少了因被污染的坚果供应造成的经济损失.
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:
- 杏仁是营养丰富的,但容易受到亚毒素B1 (AFB1) 的污染,造成健康风险和经济挑战.
- 目前在杏仁中检测AFB1的检测方法通常是破坏性的或低效的.
- 快速,非破坏性方法对于确保杏仁食品安全和供应链完整性至关重要.
研究的目的:
- 开发和验证一种快速,非破坏性的方法来检测杏仁中的AFB1污染.
- 使用高光谱成像 (HSI) 结合先进的3D深度学习来精确识别AFB1.
- 为了提高在杏仁中AFB1检测的准确性和效率,用于工业应用.
主要方法:
- 开发一个以注意力为导向的Inception ResNet 3D网络 (AGIR-3DNet) 用于HSI数据分析.
- 在3D深度学习模型中整合多尺度特征提取,残留学习和注意力机制.
- 对AGIR-3DNet与传统机器学习模型和3D Inception网络进行比较分析.
主要成果:
- AGIR-3DNet实现了93.30%的验证准确度,F1得分为0.94,AUC为0.98.3%,而AUC为0.98.
- 与传统的机器学习和其他深度学习架构相比,拟议的模型表现出卓越的性能.
- 该模型表现出增强的处理效率,表明它适合实时应用.
结论:
- AGIR-3DNet提供了一种高精度和高效的非破坏性方法,用于使用HSI检测杏仁中的AFB1污染.
- 开发的深度学习方法显著改善了食品安全应用的现有检测技术.
- 这项技术有望实时工业化实施,以保护杏仁供应链.
