基于知识图谱的食品领域数智化研究进展

随着大数据和云计算等技术的发展,食品领域的数据规模正在以惊人的速度增长。这些数据不仅来源多样、结构复杂,且缺乏统一的术语标准,给食品数据的有效整合和利用带来了挑战。知识图谱作为实现通用人工智能的重要基石,以其在数据整合和语义理解方面的能力,为食品领域的数据组织、管理与应用提供了支持。通过总结近年来知识图谱在食品领域应用的研究成果,介绍了食品领域知识图谱的构建方法,涵盖本体构建、知识抽取、知识融合和加工等关键环节;重点梳理了当前食品领域知识图谱在食品营养与健康、食品创新与研发、食品安全与溯源3个方面的数智化应用;基于食品领域知识图谱的发展现状,从多模态数据融合技术、大语言模型构建以及食品领域工业设备智能化发展角度展望了食品领域知识图谱的未来发展方向。

基于近红外高光谱成像技术的花生冻伤检测方法研究

花生在收获、运输、储存和加工过程中易受到温、湿度变化导致冻伤现象,从而影响花生及其制品的品质,为探索花生冻伤机理并提高冻伤花生检测效率,本文采用近红外高光谱技术研究花生冻伤无损检测可行性、基于特征变量筛选的判别模型优化方法以及花生冻伤机理。实验研究了变量标准化(Standard Normalized Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、Savitzky-Golag(SG)平滑以及SG平滑-SNV和SG平滑-MSC五种预处理方法对原始数据的影响,随后分别采用竞争自适应重加权法(competitive adapative reweighted sampling,CARS)、随机蛙跳(random frog,RF)、变量重要性投影(variable importance in projection,VIP)、连续投影算法(successive projections algorithm,SPA)、蒙特卡洛无信息变量消除(Monte Carlo uninformative variable elimination,MC-UVE)、迭代保留信息变量(Iteration retention information variable,IRIV)、变量组合种群分析-迭代保留信息变量(Variable combination population analysis-Iteration retention information variable,VCPA-IRIV)和变量组合种群分析-遗传算法(Variable combination population analysis-Genetic Algorithm,VCPAGA)8种变量选择方法筛选得到与花生冻伤相关的特征波长,通过建立支持向量机(Support Vector Machine,SVM)选用达到判别准确率阈值为90%的特征波长作为花生冻伤特征波长。结果表明,基于近红外高光谱成像技术的花生冻伤检测总体可行,且精度较高,所有变量选择方法均能有效筛选与冻伤相关的特征波长,其中VCPAGA算法选择了最少的7个特征波长,仅占数据集所有波长的3.125%,训练集和测试集准确率分别为91.60%和90.12%。经过筛选得出的冻伤特征波长体现了油酸和蛋白质的信息,验证了过低的温度会导致花生中油酸含量下降和蛋白质含量上升。本研究为花生冻伤快速无损检测提供了可参考的理论依据和技术支撑。

近红外光谱技术结合宽度学习系统识别国外奶粉产地

目的 利用傅里叶变换近红外光谱技术结合与宽度学习系统对国外奶粉进行产地识别。方法 采集荷兰、新西兰、澳大利亚、德国、法国、英国和爱尔兰7个国家55个奶粉样品的近红外光谱,经过数据预处理、主成分分析降低数据维度和特征筛选,构建基于宽度学习系统(broad learning system,BLS)的奶粉产地快速识别模型。结果 采用多元散射校正加Savitzky-Golay滤波的预处理效果最好,与未做预处理相比,准确率提高14.55%,主成分分析特征数大于38,识别效果最稳定。对荷兰、新西兰、澳大利亚和欧洲其他产地4类产地识别,测试准确率达到100.00%,对样本做7类产地识别,准确率达到81.81%。相同条件下,与支持向量机方法对比, 4类产地识别, BLS方法准确率比支持向量机方法高9.10%, 7类产地识别,两者准确率相同。结论 本研究提出的基于BLS的方法可以较好实现国外奶粉产地识别,为奶粉产地快速识别提供了新思路。

基于THz时域反射成像技术的玉米种子淀粉分布可视化研究

为无损探究种子成分分布与种子活力变化的内在关系,以玉米种子主要成分淀粉为研究对象,将太赫兹时域反射成像技术与移动窗口相关系数法相结合,无损可视化构建不同活力程度的玉米种子淀粉空间分布图。以郑单958玉米品种为例,实验通过人工老化方式(40℃,100%RH)制备老化0、18、36、54、72 h的种子样本,采用Terapluse 4000太赫兹时域光谱仪及反射成像附件扫描获取不同老化程度的样本和纯玉米淀粉样品的太赫兹光谱图像。以16.35 cm^(-1)下THz图像为基准,采用阈值分割法精确提取种子胚乳、种胚区域,通过对比不同组织区域内THz平均吸光度可得胚乳和种胚光谱明显差异,且胚乳和淀粉纯物质在51.96 cm^(-1)附近存在明显的共同吸收峰。应用移动窗口相关系数法(窗口宽度为20,移动步长为10),逐像素点计算种子太赫兹时域光谱与纯玉米淀粉光谱的-相关系数,并根据相关系数值以及坐标信息绘制伪彩色热力图,可视化构建玉米种子淀粉分布图。实验统计5个老化阶段、6个谱区窗口的淀粉分布图中相关系数>0.8的像素点占比可得:在29.83~67.36 cm^(-1)区间内,种子胚乳和种子区域内的淀粉含量在种子活力下降过程中呈现总体下降趋势,即种子淀粉含量与活力呈现正相关关系。实验结果表明:太赫兹时域光谱反射成像技术结合移动窗口相关系数伪彩色成像分析方法可以初步实现种子活力变化过程中玉米种子淀粉空间分布特性的无损探测,该技术可为深入研究种子化学成分与其自身活力之间的制约关系,无损解析种子生命活动与自身生理生态规律变化提供崭新的视角和方法。

基于荧光光谱结合宽度学习的白菜农药残留量检测方法

为了高效监控蔬菜中农药残留情况,利用荧光光谱技术检测白菜中吡虫啉农药残留量。首先通过三维荧光光谱确定400nm为吡虫啉的最佳激发波长;其次通过分析6种预处理算法和2种降维算法,分别选出多元散射校正(Multiple scattering calibration,MSC)和无信息变量消除(Uninformative variable elimination,UVE)作为最佳的预处理与波长选择方法;宽度学习系统(Broad learning system,BLS)用于荧光光谱建模,同时与偏最小二乘回归(Partial least squares regression,PLSR)、支持向量机(Support vector machine,SVM)和深度极限学习机(Deep extreme learning machines,DELM)等经典模型进行比较。结果显示BLS模型获得了最佳吡虫啉含量预测效果,测试集决定系数R^(2)_(p)达0.949,均方根误差(Root mean square error,RMSE)达0.347 mg/kg。表明了荧光光谱技术结合宽度学习预测农药残留量的可行性,可以为在线检测农药残留量系统的开发提供理论依据。

花生油中黄曲霉毒素B1含量的荧光光谱表征

花生油在生产过程中极易受到黄曲霉毒素B1(Aflatoxin B1, AFB1)的污染。针对AFB1的传统检测方法操作繁琐、时效性差等问题,利用荧光光谱技术快速检测花生油中AFB1含量。首先通过三维荧光光谱确定最佳激发波长,使用K-means和自组织映射(Self organizing map, SOM)聚类算法对花生油中AFB1含量进行超标与否的定性鉴别,准确率均达95%以上;其次使用2种预处理算法和2种降维算法,选出竞争自适应重加权采样(Competitive adaptive reweighted sampling, CARS)为最佳的波长选择方法;随后将回声状态网络(Echo state network, ESN)用于AFB1的定量建模,同时与其他模型作比较,结果显示CARS-ESN模型获得了最佳AFB1含量预测效果;最后将麻雀搜索算法(Sparrow search algorithm, SSA)用于对ESN参数进行寻优,最终预测集决定系数达0.984,均方根误差达2.13μg/kg。结果表明了荧光光谱技术结合ESN预测花生油中AFB1含量的可行性,为在线检测食用油中真菌毒素含量系统的开发提供理论依据。

基于高光谱成像技术的板栗产地溯源

目的建立了一种基于高光谱成像(hyperspectral imaging,HSI)技术的板栗产地溯源模型。方法采集怀柔、迁西和沂蒙短枝3种不同产地板栗的高光谱图像,提取感兴趣区域,建立支持向量机(support vector machine,SVM)板栗产地溯源模型,通过比较分析不同预处理方法对建模结果的影响,选出最佳的预处理组合方法,并使用遗传算法(geneticalgorithm,GA)对模型进一步优化。结果实验结果表明,经多元散射校正(multiplicative scatter correction,MSC)和移动窗口平滑法(moving window smoothing,MWS)组合预处理后的数据所建立的溯源模型预测性能最好,分类的预测精确率达到了95%以上,模型整体的预测准确率为96.61%。经GA对SVM的参数C进行优化,优化后的模型对怀柔板栗和沂蒙短枝板栗的预测精确率达到了100%,模型整体的准确率提高到了98.31%。结论本研究基于高光谱成像技术建立了一种板栗产地溯源模型,经预处理和参数优化后,所建立的模型具有较好的预测性能,为板栗的产地溯源提供了一种新方法。

《神经网络理论及应用》课程实践教学案例设计

针对《神经网络理论及应用》课程理论知识抽象、信息覆盖面广等特点,选择Python作为实践教学工具,将“基于BP神经网络的鸢尾花分类”案例引入《神经网络理论及应用》课程,阐述了该案例的BP神经网络算法流程,设计了基于BP神经网络的鸢尾花分类模型,并利用鸢尾花数据集(Iris Dataset)进行验证,以此激发学生的学习兴趣,将理论教学和实践教学紧密结合,培养学生的创新能力与实践能力。

基于内在品质参数的乌龙茶等级判别模型建立

茶叶等级评价是检测茶叶品质的重要技术手段,科学建立茶叶等级评价模型具有重要意义。本文以102个乌龙茶为研究对象,采用多种特征值筛选方法结合支持向量机算法建立基于特征内在品质参数的乌龙茶等级评价模型。同时,采用高光谱技术结合化学计量学,对特征品质参数建立基于特征波长的粒子群算法优化反向误差神经网络神经网络(PSO-BP)和麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)的定量预测模型,最后对定量预测的化学值模型验证。结果表明,当参数组合酯型儿茶素、简单儿茶素、茶多酚、水浸出物、咖啡碱、表没食子儿茶素没食子酸酯(EGCG)六种化学值时的乌龙茶等级模型判别准确率最高,训练集的准确率为97.22%,预测集准确率为93.33%。基于特征波长的麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)定量预测模型的预测精度更高且均方根误差更低,预测集的决定系数R^(2)均在0.93~0.99之间。随机抽取30个乌龙茶样本六种化学值的最佳预测值,其判别准确率达90%。综上所述,基于内在品质参数组合对不同等级的乌龙茶准确判别是可行的,且基于高光谱技术的预测模型可以快速精准的获得其化学值大小,预测的化学值也能准确的判别不同乌龙茶品质等级,同时为科学判别茶叶品质等级领域提供了新的分析思路和应用实例。

基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除,各模型预测集决定系数r^(2)均有0.2~0.4的大幅提升。为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4种模型预测红茶茶多酚含量的精度。最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90%以上,基本实现了茶多酚含量可视化检测。结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测。

基于近红外光谱技术的食用油酸值和过氧化值定量分析研究

目的 建立基于傅里叶近红外光谱技术的定量分析模型,实现快速测定食用油中酸值和过氧化值含量,保证食用油的品质安全以及跟踪食用油储藏期间的品质变化。方法 首先采用傅里叶近红外光谱仪采集食用油样品漫反射光谱,接着采用归一化(Normalize)和标准正态变换(standard normal variate,SNV)对光谱数据进行预处理,降低原始光谱中噪声的影响;其次通过随机森林(random forest,RF)和引导软收缩(bootstrapping soft shrinkage,BOSS)算法提取特征波长;最后结合径向基函数(radial basis function,RBF)神经网络和极限学习机(extreme learning machine,ELM)建立食用油酸值和过氧化值的预测模型,并与全波段的模型进行对比分析。结果 经过BOSS算法所提取的特征波段建立的模型预测效果优于RF算法以及全波段模型,酸值模型的决定系数(determination coefficient,R2)达到0.98,均方根误差(root mean square error,RMSE)达到0.08;过氧化值模型的R2达到0.96,RMSE达到0.63。结论 BOSS算法有效的提取了食用油酸值和过氧化值的特征波段,BOSS-RBF模型能够适用于食用油中酸值和过氧化值含量的快速、无损检测。利用近红外光谱技术对食用油酸值和过氧化值进行定量分析是可行的,可通过该方法实现对食用油品质的分析研究。

太赫兹衰减全反射技术对花生冻伤快速判别研究

目的 利用太赫兹衰减全反射(terahertz attenuated total reflection,THz-ATR)光谱法实现花生冻伤的快速鉴别。方法 实验选择种子公司购入的同品种冻伤和非冻伤花生各500粒,采集1000粒花生样本的0~359.97 cm^(-1)THz光谱,通过光学参数计算得到样本集的吸光度、折射率和吸收系数。采用3点移动窗口平滑预处理和随机森林算法建立基于不同光学常数的花生冻伤识别模型。结果 在决策树棵数为500,特征变量数为38时,基于太赫兹吸光度建立的花生冻伤判别模型性能最佳,准确率、召回率、精确率达到97.0%、98.0%、96.1%。结论 本研究所建立的定性模型准确率高, THz-ATR技术有望为花生冻伤的快速无损鉴别提供一种新的高效的检测方法,为太赫兹技术在食品检测领域的应用提供了现实依据。

红茶中茶多酚含量的近红外光谱快速检测可行性研究

茶多酚作为茶叶品质检测的重要指标之一,利用近红外光谱分析技术对茶多酚含量进行快速检测具有重要意义。本文以144个红茶样品作为研究对象,采取近红外光谱法结合偏最小二乘法(Partial Least Squares,PLS),分别建立粉末状茶叶样品和完整茶叶样品的茶多酚含量的近红外快速分析模型。结果表明,选用SNV+一阶导数+Savitzky-Golay平滑的预处理方法结合PLS建立的预测模型效果最佳,粉末状茶叶样品所建立模型训练集相关系数(Correlation Coefficient,r)为0.9990,训练集均方根误差(Root Mean Square Error of Calibration,RMSEC)为0.165%,预测集的r为0.9243,预测集均方根误差(Root Mean Square Error of Prediction,RMSEP)为0.972%;完整茶叶样品训练集r为0.9967,RMSEC为0.310%,预测集的r为0.9541,RMSEP为0.870%。结果表明,完整茶叶样品所建立的PLS定量分析模型要优于粉末状茶叶所建立的模型。因此,利用近红外光谱技术可实现对红茶中茶多酚含量的快速、无损检测。

花生冻伤近红外光谱快速判别方法研究

目的构建基于近红外光谱快速判别花生冻伤的模型。方法采用移动窗口平均平滑(moving windowaverage,WMA)、标准正态变量校正(standardnormalvariatecorrection,SNV)及一阶导数(first derivative,FD)的组合预处理方法提升光谱信号质量;分别采用无信息变量消除法(eliminationof uninformative variables,UVE)、竞争性自适应重加权法(competitive adaptive reweighted sampling,CARS)以及二者的联合算法筛选特征波长;最后构建基于支持向量机分类算法(support vector machine classification,SVC)的花生冻伤分类模型。结果使用UVE-CARS算法筛选特征波长效果最佳,筛选出7个特征波长,构建的判别模型准确率达95%。结论该花生冻伤判别模型判别准确率高,为花生冻伤快速、无损判别提供可行的技术方案,并为基于滤光片式近红外技术的花生品质色选机的开发提供参考。

近红外光谱分析中定标集样品挑选方法研究

介绍了目前常见的几种定标集样品挑选方法:含量梯度法、Duplex法和Kennard-Stone法,并提出了新的挑选方法:GN距离法。该方法以全局距离来界定定标集样品范围,以邻域距离来剔除相似样品,根据不同的全局和邻域距离组合挑选出定标集样品建模,根据计算所得最小交叉验证误差SECV来确定最合理的定标集样品。通过实例,讨论比较了上述4种方法优缺点。结果表明:GN距离法能够在保持原始样品集覆盖范围的基础上,适量剔除异常样品,GN距离法挑选出的定标集所建模型具有较低的模型复杂度、较高的相关系数和较好的模型预测能力。

基于近红外的奶粉品质检测技术研究

奶粉种类繁多且检测的理化指标较多,为了进一步简化近红外光谱检测技术在奶粉生产过程中的应用步骤,文章首次提出了建立包含不同种类奶粉样品集的6个指标:酸度、脂肪、乳糖、蔗糖、蛋白和灰分的近红外模型,用于奶粉质量控制。该文采用全谱分析结合模型优化方法研究,分别建立了该混合奶粉样品集的6个指标的近红外模型。实验表明:除酸度外,该研究所建立混合奶粉的其他理化指标的近红外定标模型具有较好的稳定性和预测能力(RSD<10%,RPD>3)。因此该方法的提出可以简化近红外技术在奶粉定量分析中的步骤。

基于高光谱与集成学习的单粒玉米种子水分检测模型

为建立单粒玉米种子水分含量的高精度检测模型,制备了80份不同水分含量的玉米种子样本。针对玉米种胚朝上和种胚朝下分别进行高光谱反射图像采集,每份样本取样100粒,波长范围为968.05~2575.05 nm。采用PCA快速提取单粒种子光谱,经多元散射校正预处理后,分别采用随机森林(RF)和AdaBoost算法建立单粒种子水分检测模型,并集成两种算法特征提出基于加权策略的改进RF用于单粒种子水分含量建模。利用单粒玉米种子胚朝上的光谱信息建立的改进RF模型训练集相关系数R为0.969,训练集均方根误差(RMSEC)为0.094%,测试集R为0.881,测试集均方根误差(RMSEP)为0.404%;利用单粒玉米种子胚朝下的光谱信息建立的改进RF模型训练集R为0.966,RMSEC为0.100%,测试集R为0.793,RMSEP为0.544%。实验结果表明:改进RF的泛化能力和预测精度明显优于RF和AdaBoost算法;种胚朝上的单粒玉米种子水分含量检测模型优于种胚朝下的模型。高光谱检测技术结合集成学习算法建立的玉米种子水分检测模型预测精度高,稳健性好。

基于近红外特征光谱的番茄苗氮含量快速测定方法研究

为了提高近红外光谱技术快速测定番茄苗氮含量的准确度和稳健性,比较分析竞争自适应重加权采样法（CARS）、蒙特卡罗无信息变量消除法（MCUVE）、向后间隔偏最小二乘法（BiPLS）和组合间隔偏最小二乘法（SiPLS）四种特征波长挑选方法,筛选与番茄苗氮含量相关的特征光谱。在十种不同氮素处理水平下（尿素溶液浓度0~120mg·L^-1）,培育60株番茄苗样本（每个处理6株）,使其分别处于不同程度的过量氮素、氮素适度、缺氮素和无氮素状态。分别采集每株番茄苗样本的叶片,扫描其12 500~3 600cm^-1波段的近红外光谱。比较四种方法所建立的番茄苗氮素定量分析模型可知：CARS和MCUVE挑选的特征变量所建定标模型的性能比BiPLS和SiPLS挑选的特征变量所建定标模型的性能更优,但是预测性能远低于后者。其中,基于BiPLS建立的番茄苗氮素含量预测模型性能最佳,相关系数（r）、预测均方根误差（RMSEP）和性能对标准差之比（RDP）分别为0.952 7,0.118 3和3.291 0。因此,近红外光谱技术结合特征谱区筛选可以有效地提高番茄苗叶片氮素含量的定量分析模型指标,使模型更实用化。但是,特征波长挑选方法不具有普适性。基于单个波长变量筛选的方法所建立的模型较为敏感,更适用于样本状态较为均匀的待测对象;而基于波长区间筛选的方法所建的模型相对抗干扰性更强,更适用于样品状态不均匀,重现性较差的待测对象。因此,特征光谱筛选只有与样本状态及建模指标结合,才能使其在建模过程中发挥更好的作用。

基于PLS-LDA和拉曼光谱快速定性识别食用植物油

以6种食用油共计23个样本为分析对象,采用偏最小二乘线性判别分析法(PLS-LDA)和拉曼光谱进行单一种类(橄榄油、花生油和玉米油)食用油快速定性检测,通过自适应迭代惩罚最小二乘法(airPLS)对拉曼信号进行背景扣除,以及蒙特卡洛无信息变量消除法筛选波长变量,不但有效减少了波长点数,降低了建模运算量,而且提高了单一种类食用油的识别率,使得总体识别率均高于90%,并在此基础上进一步提出了采用PLS-LDA进行多种类食用油识别的检测流程。实验结果表明PLS-LDA在食用油定性识别检测中具有较好的应用前景和可行性,该方法也可为定性检测食品及农产品品质提供借鉴。

太赫兹时域光谱及成像技术在农作物品质检测中的应用研究进展

太赫兹辐射以其独特的技术优势,如瞬时性、宽带性、相干性、低能量性、穿透性和吸收性,受到了全世界各国政府、高等院校、科研机构等的高度重视并日趋成为生物医学、材料科学和物理学等领域的新兴研究热点。农作物成分如水分、蛋白、脂肪、淀粉等理论上在太赫兹谱区有较为丰富的吸收;太赫兹波的低辐射特性对农业生物样本检测更为安全;太赫兹波的穿透特性对带包装样本、包衣样本的检测又独具优势;太赫兹时域光谱与成像技术结合还可以进一步对农作物样本的组织形态进行辨别评价,因此太赫兹波技术逐渐成为农作物品质检测领域一项极具应用潜力和应用前景的前沿分析技术。简述了太赫兹时域光谱及成像技术的基本原理,聚焦于太赫兹时域光谱及成像技术在农作物品质检测领域的应用研究现状,对该技术在农作物种子质量鉴别(如品种、转基因和活力)、农作物成分分析(如糖类、水分和淀粉),农作物贮藏品质判别(如新陈度、劣变和虫蚀)以及在农产品安全检测(如农药残留、非法添加物和异物)方面的新近研究工作和进展进行归纳总结,并展望了该技术在农作物品质检测领域的应用前景和发展趋势。