基于电子舌和电子眼信息融合的贝母品种快速辨识方法

贝母是一种应用广泛的中药材,其来源复杂,品种繁多,不同品种之间具有相似的外形特征,传统方法难以分辨。为实现贝母品种的快速、客观鉴别,本文提出了一种基于电子舌和电子眼结合深度学习模型的贝母品种快速辨识方法。分别使用电子舌、电子眼采集不同品种贝母的味觉指纹信息以及视觉图像信息。针对电子舌采集信号,采用基于因果注意力机制改进的Transformer编码器提取信号中的时间序列特征,提高对局部特征的提取能力。针对电子眼采集图像,采用基于坐标注意力机制改进的ShuffleNetV2网络提取图像不同区域的形态特征并抑制其背景噪声。提出一种特征加权融合分类模块,对电子舌和电子眼提取的特征信息进行自适应加权融合,并实现对融合特征的分类识别。结果表明,基于信息融合方法相较于单独采用电子舌和电子眼具有更好的分类效果,其测试准确率达到了98.4%。本研究为贝母品种的快速鉴别提供了一种新方法,并可为其它中药材的品种分类和溯源分析提供研究思路。