基于电子舌与MAML-CNN模型的大豆产地溯源快速检测
根据不同产地大豆成分特征含量的差异,提出了一种基于电子舌结合元学习(meta-learning)-卷积神经网络(convolu-tion neural networks,CNN)组合模型实现对大豆产地溯源的快速检测的方法.采用一维卷积神经网络对电子舌信号进行特征提取和分类识别,针对CNN模型难以适应新任务,依赖大量数据训练等问题,采用模型无关元学习算法(model-agnostic meta-learning,MAML)在预训练数据集上对CNN进行预训练,为CNN获得一个全局最优初始化参数.在此基础上,利用微调策略实现对新类别少量样本的快速适应与学习,最后通过模型实现查询样本的分类预测.实验结果表明,模型测试的准确率、召回率、精确率、F1-Score分别达到93.6%、93.8%、93.6%、0.937.研究为大豆产地溯源检测提供了一种快速的检测方法,并为仿生智能感官技术在农产品检测领域提供新的研究思路.
大豆、产地溯源、电子舌、元学习、卷积神经网络
41
TH879
山东省自然科学基金;教育部中国高校产学研创新基金
2023-03-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
140-147