基于非对称卷积网络的高纵横比赤霞珠电子鼻数据识别

摘要

针对赤霞珠等农产品电子鼻数据因高纵横比、双阶段非对称等复杂特征导致传统卷积神经网络识别精度受限的问题，提出了一种面向赤霞珠挥发性有机物（VOCs:Volatile Organic Compounds）识别任务的非对称卷积神经网络（ACNet:Asymmetric Convolutional Neural Network）架构。通过分析电子鼻吸附-脱附过程的动力学特性，对ACNet中的卷积核进行了针对性优化。实验结果表明，ACNet能有效捕捉赤霞珠葡萄在品质变化过程中释放的气味特征，自适应地调整其注意力分布，表现出差异化聚焦能力。模型识别准确率、宏精度、宏召回率和宏F₁值分别达到0.901 4、0.858 6、0.856 1和0.857 1。采用保守或宽松两种不同策略对过渡状态进行决策，上述指标可进一步提升至0.954 3,0.956 1,0.954 1,0.954 9和0.932 7,0.932 2,0.930 7,0.931 3。该研究为赤霞珠葡萄无损检测提供了新的解决方案，也为面向具有高纵横比特征的电子鼻数据的非对称卷积核设计提供了理论依据。

关键词

赤霞珠 / 电子鼻 / 挥发性有机物 / 非对称卷积神经网络

基金资助

国家自然科学基金资助项目(62173213); 喀什大学“新疆多模态智能计算与大模型重点实验室”支持新疆维吾尔自治区自然科学基金资助项目(2022D01A237; 2024D01A11);喀什大学科研创新团队培育计划基金资助项目(022025467); 新疆维吾尔自治区本科教育教学研究和改革基金资助项目(XJGXJGPTA-2024011)