基于深度学习的回归方法，利用近红外高光谱成像技术测定黑枸杞中的化学成分

Food Chemistry

👉研究背景

黑枸杞(枸杞)具有巨大的商业价值和营养价值。品质属性决定了黑枸杞的商业价值。一般来说，黑枸杞是被按果实大小分类的。传统方法如紫外/可见分光光度法和高效液相色谱法可以准确地测量质量属性。然而，大规模的单一水果的质量属性检测对于这些技术来说是相当困难的。快速、准确、无损检测质量单果实水平的属性可以为黑枸杞果实的消费提供指导。近红外光谱学作为一种快速、无损检测化学物质质量属性的方法已得到广泛的应用食品。高光谱成像技术是光谱技术与成像技术相结合的产物成像技术因其特殊的特性而受到食品工业研究人员的青睐。

👉研究方法

采用近红外高光谱成像技术(NIR-HSI)测定了黑枸杞果实中总酚、总黄酮和总花青素的含量。设计并开发了卷积神经网络(CNN)来预测化学成分。分别使用CNN模型和deep autoencoder作为监督和非监督的特征提取方法。以偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)为建模方法，以连续投影算法和竞争性自适应重加权采样(CARS)为波长选择方法，以主成分分析(PCA)和小波变换(WT)为特征提取方法作为常规比较方法。作为建模方法和特征提取方法的深度学习方法取得了与传统方法相当的性能。

👉研究结论

深度学习法作为NIR-HSI化学成分测定的建模和特征提取方法具有很大的潜力。

参考文献

Zhang, C., Wu, W., Zhou, L., Cheng, H., Ye, X., He, Y., Developing deep learning based regression approaches for determination of chemical compositions in dry black goji berries (Lycium ruthenicum Murr.) using near-infrared hyperspectral imaging, Food Chemistry (2020), doi: https://doi.org/ 10.1016/j.foodchem.2020.126536

学 者 简 介

何勇教授，浙江大学求是特聘教授，浙江大学学术委员会委员，浙江省科协常委，现任浙江大学生物系统工程与食品科学学院院长、浙江大学农业信息技术研究所所长、浙江大学数字农业与农村信息化研究中心常务副主任、农业农村部光谱检测重点实验室主任，国家“双一流”建设学科和全国第四轮学科评估A+序列学科--农业工程学科学术带头人之一、“十二五”国家863现代农业领域“数字农业技术与装备”主题专家、863项目首席专家、国家教学名师、国家百千万国家级人才、国家农村信息化示范省国家级指导专家、入选国家级教学团队、浙江省首届十大师德标兵、第四届浙江省十大杰出青年、浙江省优秀杰出青年基金，荣获浙江大学永平教学贡献奖。曾先后在日本东京大学、东京农工大学、美国伊利诺斯大学访问和担任Visiting Professor。入选科睿唯安（原汤森路透）2016、2017、2018全球高被引科学家（Highly Cited Researchers 2016、2017、2018），H指数46。2017年2月26日央视“对话”节目特邀嘉宾。

主要从事数字农业、农业物联网、农村信息化、农用航空和智能农业装备等方面的科研和教学工作。主持国家863、国家自然科学基金、国家支撑计划及省部级重点科研项目50余项。发表论文400余篇, SCI收录300余篇，其中9篇论文入选ESI近10年农业科学高被引论文。出版著作和教材20多本，主编国家十五、十一五规划教材各1本。获发明专利140多项、软件著作权40多项。获首届中国农业工程学会青年科技奖、浙江省第二届青年科技奖、浙江省突出贡献的中青年科技人员、浙江省151人才工程第一层次、浙江省中青年学科带头人、浙江省教学名师，享受国务院政府特殊津贴，获包氏基金、竺可桢北美基金、宝钢优秀教师奖、第四届教育部高校优秀青年教师奖，全国优秀科技工作者。