近红外光谱技术与电子眼的协同应用,结合改进的CNN-VMamba混合网络,用于大豆来源的可追溯性分析

《EUROPEAN FOOD RESEARCH AND TECHNOLOGY》:Synergetic application of near-infrared spectroscopy and electronic eye combined with an improved CNN-VMamba mixed network for soybean origin traceability

【字体: 大 中 小 】 时间:2026年06月03日 来源:EUROPEAN FOOD RESEARCH AND TECHNOLOGY 3.2

编辑推荐:

  摘要作为重要的农产品,大豆的质量和商业价值在很大程度上取决于其地理来源。为了解决传统大豆来源追溯过程中检测效率低、操作复杂以及检测时间长的问题,本研究提出了一种新的方法,通过近红外(NIR)光谱技术和电子眼(EE)的协同应用,并结合改进的CNN-VMamba混合网络(CVMNet

  

摘要

作为重要的农产品,大豆的质量和商业价值在很大程度上取决于其地理来源。为了解决传统大豆来源追溯过程中检测效率低、操作复杂以及检测时间长的问题,本研究提出了一种新的方法,通过近红外(NIR)光谱技术和电子眼(EE)的协同应用,并结合改进的CNN-VMamba混合网络(CVMNet),实现对来自不同生产地区的大豆进行快速、无损的检测。首先,分别利用NIR光谱技术和EE收集大豆样本的光谱信号和视觉图像。随后,采用Gramian角差场(GADF)将一维光谱信号转换为二维光谱图,以有效表征信号中的波长间相关模式和非线性光谱依赖性。然后将光谱图和EE图像输入CVMNet模型进行模式识别。该模型首先利用混合多尺度膨胀动态卷积(H-MDDC)有效捕捉图像中的局部细节特征,接着采用VMamba结构来利用像素间的长距离依赖性并优化计算效率。随后引入模态交互模块(MIM)以促进双模特征之间的信息交互。最后,采用共注意力模态融合(CoAMF)机制对NIR和EE信息进行信息融合和分类。实验结果表明,与单独使用NIR光谱技术或EE相比,所提出的方法在检测大豆来源方面具有更高的识别准确性,其检测准确率达到了98.67%。本研究为大豆来源追溯检测提供了一种快速准确的分析方法,并为其他谷物产品的追溯检测提供了新的思路。

作为重要的农产品,大豆的质量和商业价值在很大程度上取决于其地理来源。为了解决传统大豆来源追溯过程中检测效率低、操作复杂以及检测时间长的问题,本研究提出了一种新的方法,通过近红外(NIR)光谱技术和电子眼(EE)的协同应用,并结合改进的CNN-VMamba混合网络(CVMNet),实现对来自不同生产地区的大豆进行快速、无损的检测。首先,分别利用NIR光谱技术和EE收集大豆样本的光谱信号和视觉图像。随后,采用Gramian角差场(GADF)将一维光谱信号转换为二维光谱图,以有效表征信号中的波长间相关模式和非线性光谱依赖性。然后将光谱图和EE图像输入CVMNet模型进行模式识别。该模型首先利用混合多尺度膨胀动态卷积(H-MDDC)有效捕捉图像中的局部细节特征,接着采用VMamba结构来利用像素间的长距离依赖性并优化计算效率。随后引入模态交互模块(MIM)以促进双模特征之间的信息交互。最后,采用共注意力模态融合(CoAMF)机制对NIR和EE信息进行信息融合和分类。实验结果表明,与单独使用NIR光谱技术或EE相比,所提出的方法在检测大豆来源方面具有更高的识别准确性,其检测准确率达到了98.67%。本研究为大豆来源追溯检测提供了一种快速准确的分析方法,并为其他谷物产品的追溯检测提供了新的思路。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号