典型文献
基于电子舌与MAML-CNN模型的大豆产地溯源快速检测
文献摘要：
根据不同产地大豆成分特征含量的差异,提出了一种基于电子舌结合元学习(meta-learning)-卷积神经网络(convolu-tion neural networks,CNN)组合模型实现对大豆产地溯源的快速检测的方法.采用一维卷积神经网络对电子舌信号进行特征提取和分类识别,针对CNN模型难以适应新任务,依赖大量数据训练等问题,采用模型无关元学习算法(model-agnostic meta-learning,MAML)在预训练数据集上对CNN进行预训练,为CNN获得一个全局最优初始化参数.在此基础上,利用微调策略实现对新类别少量样本的快速适应与学习,最后通过模型实现查询样本的分类预测.实验结果表明,模型测试的准确率、召回率、精确率、F1-Score分别达到93.6％、93.8％、93.6％、0.937.研究为大豆产地溯源检测提供了一种快速的检测方法,并为仿生智能感官技术在农产品检测领域提供新的研究思路.
文献关键词：
大豆;产地溯源;电子舌;元学习;卷积神经网络
中图分类号：
作者姓名：
陈立同;高文;金鑫宁;张擎;王志强
作者机构：
山东理工大学计算机科学与技术学院 淄博255049;淄博市工业数字经济发展中心 淄博255049
文献出处：
引用格式：
[1]陈立同;高文;金鑫宁;张擎;王志强-.基于电子舌与MAML-CNN模型的大豆产地溯源快速检测)[J].国外电子测量技术,2022(12):140-147
A类：
B类：
电子舌,MAML,大豆,产地溯源,快速检测,不同产地,地大,成分特征,元学习,meta,learning,convolu,tion,neural,networks,组合模型,模型实现,一维卷积神经网络,分类识别,新任务,数据训练,关元,model,agnostic,预训练,训练数据集,全局最优,初始化,利用微,微调策略,新类,少量样本,快速适应,现查,分类预测,模型测试,召回率,精确率,Score,溯源检测,仿生智能,智能感官技术,农产品检测,检测领域
AB值：
0.446044
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
