国外电子测量技术北大中文核心期刊ＤＯＩ：１０．１９６５２／ｊ．ｃｎｋｉ．ｆｅｍｔ．２２０４３５０基于电子舌与ＭＡＭＬ－ＣＮＮ模型的大豆产地溯源快速检测＊陈立同１高文２金鑫宁１张擎１王志强１（１．山东理工大学计算机科学与技术学院淄博２５５０４９；２．淄博市工业数字经济发展中心淄博２５５０４９）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－ｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｓ，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－ａｇｎｏｓｔｉｃｍｅｔａ－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。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：ＴＨ８７９文献标识码：Ａ国家标准学科分类代码：５１０．１０ＲａｐｉｄｄｅｔｅｃｔｉｏｎｏｆｓｏｙｂｅａｎｏｒｉｇｉｎｔｒａｃｉｎｇｂａｓｅｄｏｎｅｌｅｃｔｒｏｎｉｃｔｏｎｇｕｅａｎｄＭＡＭＬ－ＣＮＮｍｏｄｅｌＣｈｅｎＬｉｔｏｎｇ１ＧａｏＷｅｎ２ＪｉｎＸｉｎｎｉｎｇ１ＺｈａｎｇＱｉｎｇ１ＷａｎｇＺｈｉｑｉａｎｇ１（１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｚｉｂｏ２５５０４９，Ｃｈｉｎａ；２．ＺｉｂｏＩｎｄｕｓｔｒｉａｌＤｉｇｉｔａｌＥｃｏｎｏｍｙＤｅｖｅｌｏｐｍｅｎｔＣｅｎｔｅｒ，Ｚｉｂｏ２５５０４９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｄｉｆｆｅｒｅｎｃｅｓｏｆｓｏｙｂｅａｎｃｏｍｐｏｎｅｎｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｄｉｆｆｅｒｅｎｔａｒｅａｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｒ...
