控制理论与应用

作者：秦瑶,廉飞宇,潘泉,张元

单位：河南工业大学,河南工业大学,西北工业大学,河南工业大学

关键词：霉变小麦; 气相色谱–离子迁移谱; 指纹图谱; 宽度学习; 空间注意力

基金：国家自然科学基金项目(52003076), 粮食信息处理与控制教育部重点实验室开放基金项目(KFJJ–2018–102), 河南省高校青年骨干教师培养计划项 目(2021GGJS065), 河南省高等学校重点科研项目(22A510014), 河南工业大学自科创新基金支持计划项目(2022ZKCJ02), 河南工业大学青年骨干 教师培育计划项目

常用的小麦霉变检测方法存在检测程序复杂、环境适应性差等问题. 本文针对这一现状, 将具有高灵敏度的气相色谱–离子迁移谱(GC-IMS)应用于小麦的早期霉变检测, 对不同霉变程度的小麦样品进行GC-IMS测试并采用宽度学习模型(BLN)进行模式分类. 为了提高宽度学习模型的分类精度, 在模型中引入了空间注意力机制(SAM),通过使用节点的特征信息和结构信息计算注意力权重, 提取更重要的特征信息. 实验结果表明, 与现有的深度学习模型相比, 本文提出的模型在训练时间上大大减少, 在样本较少的情况下, 对霉变小麦早期识别的准确率(AUC)也得到了相应提高, 有效地解决了过拟合问题. 实验也证明了GC-IMS结合BLN-SAM模型的方法在小麦霉变早期检测中的有效性

来源：2023年第9期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2023年第9期