领学术科研之先，创食品科技之新
—— 中国食品杂志社
引入近红外光谱检测技术，构建改进一维卷积神经网络（one-dimensional convolutional neural network，1D-CNN）蛋清粉真实性检测模型。该模型基于1D-CNN模型，无需对光谱数据进行预处理；同时在网络中加入有效通道注意力模块和一维全局平均池化层，提高模型提取光谱特征的能力，减少噪声干扰。结果表明，改进后的EG-1D-CNN模型可判别蛋清粉样本的真伪，对于掺假蛋清粉的检测率可达到97.80%，总准确率（AAR）为98.93%，最低检测限（LLRC）在淀粉、大豆分离蛋白、三聚氰胺、尿素和甘氨酸5 种单掺杂物质上分别可达到1%、5%、0.1%、1%、5%，在多掺杂中可达到0.1%～1%，平均检测时间（AATS）可达到0.004 4 s。与传统1D-CNN网络结构及其他改进算法相比，改进后的EG-1D-CNN模型在蛋清粉真实性检测上具有更高精度，检测速度快，且模型占用空间小，更适合部署在嵌入式设备中。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的理论基础。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
