公开(公告)号：CN117074324A

公开(公告)日：2023-11-17

申请号：CN202311075468.2

申请日：2023-08-25

申请人： 青岛农业大学 ,  青岛青农智能技术研究院有限公司 ,  青岛大谷农业信息有限公司

发明人： 韩仲志 ,  朱宏飞 ,  赵逸凡 ,  魏蕾

IPC分类号： G01N21/25 ,  G01N30/02 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

摘要： 本发明涉及一种基于投影压缩和光谱重建的黄曲霉毒素光谱深度学习检测方法。首先，获取霉变谷物的高光谱数据，使用液相色谱法标定黄曲霉毒素含量；然后，搭建长短期记忆网络（LSTM），定义网络结构和层数；接着，将每颗谷物的平均光谱导入LSTM，训练优化网络的超参数；最后，使用主成分分析（PCA）评估LSTM在训练集上的网络方差，结合网络方差主参量和投影压缩算法来削减LSTM内部的可学习参数，并将削减参数的LSTM内部参数进行微调。本发明与现有的黄曲霉毒素识别模型相比，其不仅可以实现高精度的毒素检测，同时其内部参数量远低于现有的毒素检测网络模型。

公开(公告)号：CN118858182A

公开(公告)日：2024-10-29

申请号：CN202411061829.2

申请日：2024-08-05

申请人： 青岛农业大学 ,  青岛青农智能技术研究院有限公司

发明人： 韩仲志 ,  王聪 ,  赵逸凡

IPC分类号： G01N21/25 ,  G06N3/04

摘要： 本发明涉及食品安全人工智能检测领域，更具体的说，本发明涉及一种基于多元宇宙优化的黄曲霉毒素像素级检测方法。本发明提供一种基于多元宇宙优化的黄曲霉毒素像素级检测方法，包括：数据采集处理步骤：获取样本谷物的第一历史光谱数据并进行数据预处理以获得第二历史光谱数据；模型构建优化步骤：构建CNN‑BiLSTM模型，基于多元宇宙算法优化CNN‑BiLSTM模型，并通过第二历史光谱数据训练优化后的CNN‑BiLSTM模型，获取MVO‑CNN‑BiLSTM模型；对MVO‑CNN‑BiLSTM模型进行微调，获取黄曲霉毒素像素级检测模型；黄曲霉毒素检测步骤：将待测光谱数据输入黄曲霉毒素像素级检测模型，获取黄曲霉毒素像素级检测结果。