領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
針對(duì)傳統(tǒng)的奶粉品質(zhì)國(guó)際標(biāo)準(zhǔn)檢測(cè)方法中存在的主觀性和滯后性等問題，本研究提出了一種基于殘差網(wǎng)絡(luò)（residual network，ResNet）的奶粉分散性和堆積密度的快速分類檢測(cè)方法。在本研究中，使用的數(shù)據(jù)集包括499 張?jiān)?0 倍光學(xué)顯微鏡下拍攝的速溶全脂奶粉顆粒微觀分布圖像，這些圖像來自10 個(gè)不同的樣本組。首先，按照國(guó)際標(biāo)準(zhǔn)方法檢測(cè)這10 組樣本的分散性和堆積密度，進(jìn)而基于測(cè)試結(jié)果劃分不同的分散性和堆積密度級(jí)別。隨后，利用這些微觀圖像對(duì)ResNet模型進(jìn)行訓(xùn)練，以實(shí)現(xiàn)對(duì)不同樣本的有效分類。最終，通過分類結(jié)果預(yù)測(cè)速溶全脂奶粉的分散性、松散密度和振實(shí)密度。此外，本研究還對(duì)比了ResNet、EfficientNetV2和Swin Transformer等不同深度學(xué)習(xí)模型的預(yù)測(cè)效果。結(jié)果表明，基于ResNet 152的深度學(xué)習(xí)模型在預(yù)測(cè)速溶全脂奶粉的分散性、松散密度和振實(shí)密度方面表現(xiàn)最佳，其在測(cè)試集上的準(zhǔn)確率分別達(dá)到97.50%、98.75%和95.00%。這些深度學(xué)習(xí)模型在奶粉品質(zhì)檢測(cè)中的出色性能不僅證明了該方法能夠?qū)崟r(shí)、準(zhǔn)確地預(yù)測(cè)奶粉的分散性和堆積密度，同時(shí)也為奶粉品質(zhì)的在線檢測(cè)提供了新的技術(shù)途徑。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
