社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

研究进展 | SAA—光谱数据融合结合深度学习算法实现莲子产地溯源鉴别

食品放大镜 • 3 月前 • 147 次点击  

文献信息:

Zhao et al. Spectral data fusion combined with lightweight convolutional neural networks for lotus seeds geographical origin identification. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2026, 358, 127863. https://doi.org/10.1016/j.saa.2026.127863

研究背景

莲子的口感、营养成分和药用价值因产地不同存在显著差异,因此地理识别对保障莲子品质、保护地理标志产品具有重要意义。单一光谱技术虽具有无损、快速的优势,但近红外光谱(NIRS)主要反映样品分子振动信息,高光谱成像(HSI)侧重光谱-空间整合特征,二者单独使用时均存在信息局限、抗干扰能力弱的问题,难以全面捕捉莲子产地差异相关的特征信息。基于此,为解决单一光谱技术的不足,满足莲子无损地理溯源的需求,本研究探索NIRSHSI数据融合结合深度学习的技术路径,实现三个核心产区莲子的精准溯源。

研究方法

本研究以湘潭、洪湖、建宁3个核心产区各180份、总计540份独立莲子样本为研究对象,分别采集样本900~1700 nm波段的近红外光谱(NIRS)与400~1000 nm波段的高光谱成像(HSI)数据,采用不同的光谱预处理方法,结合特征筛选算法完成光谱数据的预处理与特征提取。在此基础上构建了轻量级卷积神经网络(CNNs),系统对比了光谱数据低层次与中层次两种融合策略的分类性能,同时构建基于纠错输出码(ECOC)框架的多分类支持向量机(SVM)、随机森林(RF)两种传统机器学习分类器,对比不同预处理与特征筛选组合下各模型的性能差异以凸显所构建轻量级CNNs模型的性能优势。

研究结果

本研究结果表明,光谱预处理与特征筛选的合理组合可显著提升莲子产地识别精度,中层次数据融合策略性能显著优于单一光谱分析与低层次融合,整体准确率超95%、最优达100%,有效解决波段冗余与特征冲突问题,实现NIRS分子振动信息与HSI光谱-空间特征互补;所构建的轻量级CNNs模型性能优于SVM(最优98.68%)、RF(最优 98.89%)传统模型,经50次重复分层数据集划分验证,模型判别精度与泛化稳定性优异,独立外部验证整体准确率不低于96.91%且无明显过拟合;t-SNE可视化显示三产区莲子样本在特征空间呈明显聚类分离,Grad-CAM结合多维鲁棒性验证证实模型可稳定聚焦产地相关特征光谱区域,决策机制可靠且特征识别稳定;该方法为莲子及其他农产品提供了高精度、无损、可解释的产地识别方案,对地理标志农产品保护与品质管控具有重要实践价值。

图文赏析

图片

样品光谱数据采集方案 (A) 和光谱数据融合 (B)

图片

本研究中使用的轻量级卷积神经网络架构示意图。

图片

自编码器的网络结构 (A); 训练过程中带有 L2 正则项和稀疏正则项的均方误差曲线 (B); 原始光谱和选定波长的可视化结果 (C)

图片

经过包括RAWSG-1stSG-2ndSNVMSCMMN在内的五种预处理方法后的NIRS数据(A)和HSI数据(B

图片

最优中层融合模型的Grad-CAM可视化分析

文献信息:

Zhao et al. Spectral data fusion combined with lightweight convolutional neural networks for lotus seeds geographical origin identification. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2026, 358, 127863. https://doi.org/10.1016/j.saa.2026.127863

文字翻译:Zeming Liu (刘泽铭), Jing Zhao (赵菁)

图文排版Zeming Liu (刘泽铭)

审      核 Jing Zhao (赵菁)




食品放大镜 | 不同领域研究成果

(请点击标题查看)

胶体、乳液及递送系统 多糖、纤维、低聚糖等

脂质 蜂产品食用菌

食物蛋白、肽与氨基酸 多酚类化合物 淀粉

食品包装与货架期 食品安全与质量控制

凝胶    3D和4D打印 

食品营养与人类健康 食品检测与分析

食品相关合成 人造肉 食品风味

益生元、益生菌及合生元 食物过敏

分子对接与分子动力学 黄酮类化合物

食品感官科学与分析 农产品贮藏与加工

肉与肉制品 蛋与蛋制品 水产品

 奶及奶制品豆及豆制品 果蔬及果蔬制品

 大米及米制品

炎症性肠病 糖尿病 肝病 神经疾病



食品放大镜 | 大杂烩

(请点击标题查看)

食品大事件 食品基金项目 食品奖项

人物访谈及报道 CNS期刊论文

封面文章 顶刊综述 高被引论文

期刊征稿 期刊资讯 会议通知 学科动态

博士招生 硕士招生 考研调剂  夏令营

食品科普 食品相关书籍 竞赛

优秀博士硕士论文 



食品放大镜 | 学者研究成果

(请点击学者姓名查看)

薛长湖院士 金征宇院士 谢明勇院士
陈卫院士 朱蓓薇院士 孙宝国院士
陈坚院士 孙大文院士 单杨院士
刘仲华院士 张和平教授 周光宏教授
江连洲教授 陈峰教授 聂少平教授
赵谋明教授 赵国华教授 李斌教授
王书军教授 刘学波教授 唐传核教授
张慜教授 谢建华教授 陈卫教授
谭明乾教授 张宇昊教授 王静教授
徐岩教授 李春保教授 孔保华教授
陈士国教授 王兴国教授  高彦祥教授
黄强教授 方亚鹏教授 汪勇教授
李媛教授 刘志刚教授  曾晓雄教授
汪少芸教授 姜微波教授 刘夫国教授
王强研究员 王仲孚教授  徐宝才教授
白卫滨教授 高振鹏教授 易俊洁教授
刘星教授 甘人友副研究员  范俊峰教授
翟齐啸教授 李进伟教授 陈启和教授
赵新淮教授 杜明教授  张名位研究员
侯俊财教授 丁郁教授 徐鑫教授
David Julian McClements教授  王建龙教授
李杨教授 陈雪峰、龚频团队 许恒毅教授
陆颖健教授  刘元法教授 秦文教授
李锦铨教 刘俊教授 李晓东教授
倪莉教授  章宝教授 陈廷涛教授
张红印教授 盛占武研究员 姜瞻梅教授
张德权研究员  齐向辉教 郑家荣教授
陈翊平教授 姜毓君教授 毕金峰研究员
魏新林教授 肖安风教授 吴彩娥教授
宛晓春教授 魏子淏教授 龚金炎教授

周存山教授 楚强研究员 高鸿教授

秦磊教授 邵平教授 马龙教授

许正宏教授 吴继红教授 钟恬副教授

刘龙教授 王凤忠研究员 郭顺堂教授

周景文教授 钟芳教授 游丽君教授

吴贺君教授 刘锴栋教授 邓乾春研究员

白艳红教授 夏小乐教授 张英华教授

任晓锋教授 汤晓智教授 孙培龙教授

盛军、田洋团队 张娟教授 陈小强教授
刘建华教授 林松毅教授 陈海霞教授
徐志祥教授 寇莉萍副教授 隋晓楠教授
刘贵珊教授 启航教授  张春晖研究员
杨兴斌教授 古绍彬教授 冯翠萍教授
李玥教授 邱超副研究员  刘素稳教授
李伟教授 田怀香教授 丁春邦教授
董秀萍教授  吴伟教授 张国文教授
张素芳教授 潘磊庆教授 陈春旭教授
陈龙副研究员 王允圃研究员  王子朝副教授
邹小波教授 郑金铠研究员 孙庆杰教授
梁盈教授  熊涛教授 钟恬副教授
毛立科副教授 房耀维教授 孙琦副教授
马森教授 闫文杰教授 许敏伟教授
魏长庆教授 李大鹏教授 任海伟教授
黄华副研究员 陈叶福教授 王加华副教授
叶可萍教授
图片
图片

在线投稿平台链接https://www.wjx.top/jq/85151447.aspx



声明

标注‘原创’仅代表原创编译,本平台不主张对原文的版权。本平台转载仅仅是出于学术交流和传播信息的需要,并不意味着代表本平台观点或证实其内容的真实性;转载文章版权归原作者所有,作者如果不希望被转载或有侵权行为,请联系本平台删除。由于编译水平有限,推文或简历有不妥之处,深感抱歉,请联系本平台修改或者删除。


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/195075