电子鼻和电子舌结合LSTM-AM-M1DCNN检测枸杞产地

作     者：马泽亮 刘雅倩 程琦峰 王萍萍 杨甜星 杜岗 MA Zeliang;LIU Yaqian;CHENG Qifeng;WANG Pingping;YANG Tianxing;DU Gang

作者机构：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 

出 版 物：《食品与机械》 (Food and Machinery)

年 卷 期：2024年第40卷第12期

页      面：51-58页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江苏高校“青蓝工程”资助项目(编号:2023) 江苏省高等学校基础科学(自然科学)研究面上项目(编号:23KJD530003) 连云港市科技计划项目(编号:SF2134) 连云港市第六期“521工程”科研资助项目(编号:LYG06521202315) 

主　　题：枸杞 产地 电子鼻 电子舌 长短期记忆网络 多尺度一维卷积神经网络 

摘      要：[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、F_(1)-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。