领学术科研之先，创食品科技之新
—— 中国食品杂志社
基于机器学习与深度学习技术，采集我国2022—2024年间不同区域和季节的原奶成分数据，探索一种利用易测得数据定性预测黄曲霉毒素M1的方法，降低乳品工厂的批量检测成本。研究基于筛选得到的16 类特征数据集，采用线性回归、随机森林、支持向量机等多种机器学习方法以及基于Transformer架构的方法进行预测实验，并通过对比实验分析这些模型在阴性样本和阳性样本上的预测性能及方差稳定性。实验证明，基于Transformer架构方法的预测方法综合性能最佳。同时，研究还通过消融实验探究了Transformer架构下位置编码与注意力机制对模型性能的影响。总的来说，本研究通过深度学习方法实现了黄曲霉毒素M1的高效定性预测，相对于传统方法而言，该方法既可以满足高通量的需求，又通过减少多余检测环节的方式显著降低了检测成本，为乳制品安全检测提供了数智化转型的解决方案和模型优化的理论依据。
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
