电子鼻和电子舌结合LSTM-AM-M1DCNN检测枸杞产地

[目的]实现枸杞产地的快速检测.[方法]提出了一种基于电子鼻和电子舌的长短期记忆网络—注意力机制—多尺度一维卷积神经网络(LSTM-AM-M1DCNN)模型的枸杞产地快速判别方法.采用电子鼻和电子舌分别对5种不同产地的枸杞进行检测,将采集回来的信息进行融合,并采用LSTM-AM-M1DCNN对融合后的数据进行分类判别.[结果]相比于传统的LSTM、CNN方法,LSTM-AM-M1DCNN能够有效提取到电子鼻和电子舌数据中深层特征信息,其测试集准确率、精确率、召回率、F1-Score分别为97.4％,97.6％,97.4％,0.974.[结论]采用LSTM-AM-M1DCNN解决了传统卷积神经网...

Full description

Saved in:
Bibliographic Details
Published in食品与机械 Vol. 40; no. 12; pp. 51 - 58
Main Authors 马泽亮, 刘雅倩, 程琦峰, 王萍萍, 杨甜星, 杜岗
Format Journal Article
LanguageChinese
Published 连云港职业技术学院信息工程学院,江苏 连云港 222000%北京大学药学院,北京 100191%连云港职业技术学院医药工程学院,江苏连云港 222000%连云港职业技术学院机电工程学院,江苏连云港 222000 01.12.2024
Subjects
产地
长短期记忆网络
电子舌
wolfberry
long short-term memory network
电子鼻
多尺度一维卷积神经网络
origin
multi-scale one-dimensional convolutional neural network
枸杞
electronic nose
electronic tongue
Online AccessGet full text
ISSN1003-5788
DOI10.13652/j.spjx.1003.5788.2024.80366

Cover

More Information
Summary:[目的]实现枸杞产地的快速检测.[方法]提出了一种基于电子鼻和电子舌的长短期记忆网络—注意力机制—多尺度一维卷积神经网络(LSTM-AM-M1DCNN)模型的枸杞产地快速判别方法.采用电子鼻和电子舌分别对5种不同产地的枸杞进行检测,将采集回来的信息进行融合,并采用LSTM-AM-M1DCNN对融合后的数据进行分类判别.[结果]相比于传统的LSTM、CNN方法,LSTM-AM-M1DCNN能够有效提取到电子鼻和电子舌数据中深层特征信息,其测试集准确率、精确率、召回率、F1-Score分别为97.4％,97.6％,97.4％,0.974.[结论]采用LSTM-AM-M1DCNN解决了传统卷积神经网络无法充分提取时序、时空特征的缺陷,适合对电子鼻和电子舌采集到的数据进行处理,可有效判别枸杞产地.
ISSN:1003-5788
DOI:10.13652/j.spjx.1003.5788.2024.80366