基于高光谱和多头注意力机制的草鱼鲜味强度检测

摘要

针对现有鲜味强度检测方法主观性强、耗时长和样本破坏性等问题，使用深度学习和机器学习算法结合高光谱成像技术构建草鱼鲜味强度快速无损检测方法。采集草鱼高光谱数据后，使用竞争性自适应重加权抽样法选取光谱特征波长，开发高斯加权多头注意力网络（gaussian-weighted multi-head attention network,GMANet）并应用支持向量机回归（support vector machine regression,SVR）、偏最小二乘回归（partial least squares regression,PLSR）、随机森林（random forest,RF）、1D-ResNet等传统算法建立和优化草鱼鲜味检测模型。结果显示，GMANet网络的预测均方根误差RMSEP和预测决定系数（分别为0.008 2和0.884 4，优于传统算法中的最优建模方法SVR，其RMSEP和R分别为0.007 7和0.818 8。

关键词

草鱼 / 高光谱 / 鲜味强度 / 深度学习 / 高斯加权多头注意力网络 / 感官分析