基于电子舌和电子眼结合改进MobileNetv3的黄芪快速溯源检测.pdf

基金项目：山东省自然科学基金项目（编号：）；教育部 科 技 发 展 中 心 产 学 研 创 新 基 金 项 目（编 号：）作者简介：金鑫宁，女，山东理工大学在读硕士研究生。通信作者：王志强（），男，山东理工大学教授，博士。：收稿日期：改回日期：犇 犗 犐：犼 狊 狆 犼 狓 文章编号 （）基于电子舌和电子眼结合改进 的黄芪快速溯源检测 犃 狊 狋 狉 犪 犵 犪 犾 狌 狊犿 犲 犿 犫 狉 犪 狀 犪 犮 犲 狌 狊 金鑫宁犑 犐 犖 犡 犻 狀 狀 犻 狀 犵刘铭犔 犐 犝 犕 犻 狀 犵桑恒亮犛 犃犖犌 犎 犲 狀 犵 犾 犻 犪 狀 犵马云霞犕犃犢 狌 狀 狓 犻 犪王志强犠犃犖犌犣 犺 犻 狇 犻 犪 狀 犵（山东理工大学计算机科学与技术学院，山东 淄博 ；淄博市中西医结合医院，山东 淄博 ）（犛 犮 犺 狅 狅 犾 狅 犳犆 狅 犿狆 狌 狋 犲 狉犛 犮 犻 犲 狀 犮 犲犪 狀 犱犜 犲 犮 犺 狀 狅 犾 狅 犵 狔，犛 犺 犪 狀 犱 狅 狀 犵犝 狀 犻 狏 犲 狉 狊 犻 狋 狔狅 犳犛 犮 犻 犲 狀 犮 犲犪 狀 犱犜 犲 犮 犺 狀 狅 犾 狅 犵 狔，犣 犻 犫 狅，犛 犺 犪 狀 犱 狅 狀 犵 ，犆 犺 犻 狀 犪；犣 犻 犫 狅犐 狀 狋 犲 犵 狉 犪 狋 犲 犱犜 狉 犪 犱 犻 狋 犻 狅 狀 犪 犾犆 犺 犻 狀 犲 狊 犲犪 狀 犱犠 犲 狊 狋 犲 狉 狀犕 犲 犱 犻 犮 犻 狀 犲犎 狅 狊 狆 犻 狋 犪 犾，犣 犻 犫 狅，犛 犺 犪 狀 犱 狅 狀 犵 ，犆 犺 犻 狀 犪）摘要：目的：实现对不同产地黄芪的快速溯源检测。方法：提 出 了 一 种 基 于 电 子 舌 和 电 子 眼 结 合 改 进 网络的黄芪产地快速检测方法。采用电子舌和电子眼分别采集不同黄芪样本的一维指纹图谱信息和 二 维 外 观 图 像 信 息。利 用 格 拉 姆 角 场（，）将一维电子舌信号转换为二维图像信息，保留电子舌信号中时间序列相关特征，再将其与电子眼采集的图像信息进行数据融合，采用基于金字塔切分注意 力 机 制（，）改 进 的 模型实现对不同产地黄芪样本的分类识别。结果：相较于单独使用电子舌或者电子眼，该方法具有更高的识别准确率，其测试集准确率、精确率、召回率和 分别达到，和。改进的 网络分类准确率较原始模型提高了，参数量 仅 为 原 参 数 量 的 左 右。结 论：改 进 的 网络可以有效减少参数的计算量，提高不同产地黄芪识别的准确率。关键 词：电 子 舌；电 子 眼；格 拉 姆 角 场；数 据 融 合；黄芪犃 犫 狊 狋 狉 犪 犮 狋：犗 犫 犼 犲 犮 狋 犻 狏 犲：犃 狊 狋 狉 犪 犵 犪 犾 狌 狊犿 犲 犿 犫 狉 犪 狀 犪 犮 犲 狌 狊 犕 犲 狋 犺 狅 犱 狊：犃 狊 狋 狉 犪 犵 犪 犾 狌 狊犿 犲 犿 犫 狉 犪 狀 犪 犮 犲 狌 狊 犃 狊 狋 狉 犪 犵 犪 犾 狌 狊犿 犲 犿 犫 狉 犪 狀 犪 犮 犲 狌 狊 （），（）犃 狊 狋 狉 犪 犵 犪 犾 狌 狊 犚 犲 狊 狌 犾 狋 狊：，犆 狅 狀 犮 犾 狌 狊 犻 狅 狀：犃 狊 狋 狉 犪 犵 犪 犾 狌 狊犿 犲 犿 犫 狉 犪 狀 犪 犮 犲 狌 狊 犓 犲 狔 狑 狅 狉 犱 狊：；犃 狊 狋 狉 犪 犵 犪 犾 狌 狊犿 犲 犿 犫 狉 犪 狀 犪 犮 犲 狌 狊 第 卷第期 总第 期 年月黄芪为豆科植物黄芪或蒙古黄芪的干燥根。不同产地的黄芪因生长环境不同，其有效成分、品质和价格等也不相同。当前，黄芪产地的鉴别方法主要有形态学鉴定和理化分析法。形态学鉴定一般由人工根据黄芪样本的特有形态特征进行鉴定和类别划分，这种方法虽然直观、方便，但受主观因素影响较大。理化分析法主要包括色谱法、显微鉴别法、红外光谱法等，但此类方法所使用的仪器复杂、分析过程长、检测成本高，很难实现对黄芪产地的快速区分和鉴别。电子舌是一种利用传感器阵列结合模式识别技术对液体样本的“指纹图谱”进行分析的检测仪器，具有操作简单、成本低廉、客观高效等优点，目前已经广泛用于咖啡溯源、红茶品质检测、白酒真假检测等领域。电子眼则是通过感光元件将被检测样品纹理、形状、颜色等信息转换成数字信号，然后结合模式识别方法对所获取的图像信息进行分类和识别的一类仪器，具有无需样本预处理、信号采集速度快、采集信息量大等优点，目前已应用在中药质量分析、果干品质分析、水果成熟度检测等领域。然而，由于受各自技术的限制，采用单一的电子舌或电子眼均无法完整获取样本的特征信息，难以实现更加准确的分类和识别。而采用多源信息融合技术，可以有效提高被测样本的识别准确性。段金芳等 采用电子舌和电子眼技术对山茱萸药材的滋味和颜色进行测定，实 现 对山茱 萸 最 佳 蒸 制 时 间 的 优 化。陈 佳 瑜等 利用电子舌和电子眼技术对茶汤的滋味和色泽等方面进行综合感官品质分析，实现了滇红工夫茶汤综合品质的定性和定量评价。然而，这些方法所使用的模式识别技术均基于传统机器学习算法构造，存在模型精度有限、泛化能力不足等问题。深度学习能够自动对大规模数据进行特征提取和分类识别，从而实现“端到端”的模式识别。近年来，深度学习也被应用于对电子舌信号的处理，等 采用生成对抗网络和半监督学习结合电子舌对茶叶的等级进行分类识别。杨正伟等 采用一维卷积神经网络对不同贮藏年限的普洱茶电子舌信号进行了区分。然而，电子舌信号是一种时间序列相关信息，传统深度学习模型无法有效提取 信 号 中 的 时 序特 征，从 而 造 成 有 效 信 息 的 丢失。为保留信号在时域中的有效特征。等 使用格拉姆角场（）编码方法将心电信号编码为 图像，实现了心电信号对时间的依赖性分析。姚立等 采用 编码方法将轴承的一维振动信号转换为二维图像，实现了对原始信号的重构。但目前将 应用于电子舌信号分析尚未见报道。是一种用于图像处理的轻量级深度学习模型，具有网络结构简单、参数量少，延时低等特点，目前被广泛应用于目标检测、病虫害识别 等领域。但是，网 络 中 的 挤 压 激 励（，）模块仅引入通道注意力，未考虑全局空间信息对样本分类的影响。金字塔切分注意力（，）是 一 种 轻 量 级 的 注 意 力 机 制 模块，可以在空间和通道双重维度上通过对特征进行加权处理使其特征细化，提升模型在空间和通道上对局部信息和空间信息的关注度，降低无关特征对模型的影响，具有轻量、简单和高效等特点。研究拟 提 出 一 种 基 于 电 子 舌 和 电 子 眼 结 合 改 进 网 络 的 黄 芪 产 地 快 速 溯 源 检 测 方 法。以种不同产地的黄芪作为研究对象，采用数据融合的方法将电 子 舌 和 电 子 眼 数 据 进 行 融 合，并 利 用 改 进 的 网络对黄芪数据进行特征提取和分类识别，以期实现对黄芪产地的快速溯源检测。材料与方法试验材料黄芪样本分别来自于陕西子洲、甘肃岷县、内蒙古锡林郭勒盟、黑龙江大兴安岭以及山西大同。采用电子舌进行数据采集时，称取 黄芪样本，经破壁机粉碎后，将样本粉末置于 开水中，搅拌均匀，静置 后，使用滤纸过滤两次，待样本溶液冷却至（）后取上 清 液 转 移 至 烧 杯 中，采 用 电 子 舌 进 行 检测。采用电子眼进行数据采集时，将黄芪样本置于设备底盘上，电子眼经过矫正后对样本逐片采集图像，每个样本变换位置采集次图像，每种黄芪样本共采集 张图像，共采集 张图像。电子舌系统电子舌系统由实验室自主研发，结构如图所示，系统由个部分组成。传感器阵列，主要包括铂、金、钛、钯、银、钨、镍和玻碳个工作电极以及一个铂辅助电极和一个 参比电极。信号调理电路，用于控制三电极系统的恒压电势并完成采集信号的放大与滤波功能。数据采集卡，通过其模块产生电极激励信号并利用模块采集传感器响应信号。上位机软件，用于对检测过程进行操控，并对采集的电极响应进行分析。工作流程为：首先上位机软件操控数据采集卡产生大幅方波脉冲激励信号，然后通过信号调理模块施加到传感器阵列上。在激励信号作用下，传感器表面发生电化学反应，产生微弱的电流响应信号，该信号经过信号调理模块放大、滤波后送到数据采集卡上进行转换，最后 将 数据 传 送 至 上 位 机 软 件 进 行 处 理和分析。电子眼系统电子眼系统结构如图所示，主要由电子眼上位机软件系统、万电子目镜、光电眼镜头、灯及调节器、支架和底盘组成。检测过程为：将试验样本放在电子眼底盘上固定，调整电子眼目镜倍数以及支架的高度使安全与检测 总第 期 年月图电子舌系统结构示意图 图电子眼系统结构示意图 得采集的图像呈现清晰的状态后进行样本采集，然后将采集到的数据传到上位机系统中进行数据处理。格拉姆角场格拉姆角场（）是通过将缩放后的一维序列数据从直角坐标系转换到极坐标系，然后通过不同点之间进行角度和或者角度差来识别不同时间点时间相关性的一种方法。利用 对信号进行转换主要有两个优点：保持了时序信号的时间依赖性，信号的时间随着位置从矩阵的左上角到右下角的移动而逐渐增加；转换过程中，一维信号与二维图像之间是双映射关系，不会丢失一维信号的任何有效信息。的编码步骤：步骤：将 一 个 时 间 序 列 信 号犡狓，狓，狓犻，狓狀通过式（）将其缩放到，。狓犻 狓犻 （犡）狓犻 （犡）（犡）（犡），犻，狀。（）步骤：将缩放后的一维数据狓通过式（）转换到极坐标上进行编码，一维数据狓经反余弦函数转化为极坐标下的角度犻，对应的时间戳转化为半径狉犻。犻 （狓犻），狓犻，狓犻狓狉犻狋犻犖，狋犻犖烅烄烆，（）式中：狋犻 狓犻对应的时间戳；犖 时间戳的总长度。随着时间的增加，时间序列狓会在坐标系中编码成不同的角度和半径，并在这个单位圆内不断扭曲。步骤：对每个信号点之间进行角差运算或者角和运算来识别不 同 时 间 间 隔 之 间的 相 关 性，格 拉 姆 角 和 场（）和格拉姆角差场（）的定义式如式（）和式（）所示。犛 （犻犼）（）（狀）（）（狀）（狀）（狀狀）烄烆烌烎犡犡犐犡槡犐犡槡，（）犇 （犻犼）（）（狀）（）（狀）（狀）（狀狀）烄烆烌烎犐犡槡犡犡犐犡槡，（）式中：犛 格拉姆角和场；犇 格拉姆角差场；犐 单位行向量，；犡 缩放后的时间序列；犡 犡的转置向量。两个公式描述了一维信号转化为二维图像的矩阵表示。整个 对信号的编码过程如图所示。改进的 模型 是 一 种 轻 量 级 深 度 学 习 模 型，它 在 的 深 度 可 分 离 卷 积（，）和 的倒残差（）结构基础上，进一步将 注意力模块引入到 结构中，从而起到强化突出特征、抑制不明显特征的作用。另外，针对 网络最后阶段的部分层计算量较大的问题，重新调整了网络结构，将最后一步的平均池化层前移，并移除最后一个卷积层，同时引入 激活函数来降低网络的计算量，公式如式（）所示。犺狓犚（狓），（）式中：犺 激活函数；狓 输入；犚 激活函数。模型结构如图所示。主要由个卷积、批归一化层（，）、激 ，金鑫宁等：基于电子舌和电子眼结合改进 的黄芪快速溯源检测图电子舌信号通过格拉姆角差场和格拉姆角和场产生的不同图像过程 图 网络结构 活函数组成的结构体，个 结构，个平均池化层和个全连接层组成。为了进一步提高 模型对深度特征图的空间信息提取能力，弥补 模块造成的空间信息缺失问题，采用金字塔切分注意力模块（）代替 模块，将多尺度空间信息和跨通道注意力集成到每个分割特征组的块中。注意力模块结构如图所示，实现步骤：（）经过分裂合并模块（，）拆分输入特征，获取犛个多尺度特征图。（）利用 模块提取不同尺度特征图的注意力权重，得到通道方向的注意力向量。（）利用 算法重新校正通道方向的注意力向量，如式（）所示。犛 （犣犻）犛 犻 （犣犻），（）式中：犛 函数；犣犻 注意力权重向量。用来获取多尺度通道的重新校准权重，其中包含空间上所有位置信息和通道中的注意权重。（）将得到的多尺度注意力权重与相应的特征图进行加权，得到犛个精细特征图作为输出结果。模型中的 结构，存在大量的冗余特征从而保证模型对输入的全面解释，这些通过冗余卷积计算的特征在保证模型泛化能力的同时也占用了大量计算资源，提高了模型复杂度。因此，对 的网络结构进行调整，减少 结构的层数，保留原 结构中的第、层，使得网络更加轻量和高效。改进后的 网络（）结构如表所示，其中 是网络的基本结构，代表没有 操作，代表金字塔切分注意力机制，代表激活函数的类型，包括 （）激活函数和 （）激活函数。图 注意力模块结构整体框架 安全与检测 总第 期 年月表 网络结构 输入操作扩展尺寸输出通道数 步长 ，模型工作流程基于电子舌和电子眼结合改进的 模型的检测过程如图所示，具体步骤：（）使用电子舌和电子眼系统对黄芪样本进行数据采集，分别得到 个电子舌样本信息，张电子眼图像信息。（）采用 变换将电子舌信号由一维时序信号转为二维图像信息，共得到 张图片，然后分别对电子舌和电子眼图像进行归一化等预处理操作。（）将电子舌和电子眼图像每类各选取 张图像作为测试集，剩余图像按划分训练集和验证集，其中训练集为 张样本图像，验证集为 张样本图像。（）将电子舌和电子眼图像进行数据融合，电子舌通道 图像与电子眼通道 图像沿通道维度进行拼接，再将这通道的图像作为 网络的输入。（）采用训练集和验证集对 网络进行训练，并 用 测 试 集 输 出 模 型 的 准 确 率、召 回 率 等 评 价指标。图模型工作流程 试验与分析电子舌信号采集与处理电子舌系统对黄芪浸泡液进行信号采集，结果如图所示。不同电极区域显示不同种类黄芪样本的“指纹图谱”，每 个 电 极 产 生 个 数 据 点，单 个 样 本 产 生 个数据点。每一类黄芪样本收集 个数据，共采集 个样本数据。图电子舌响应信号 对采集到的电子舌信号进行 转换，输出如图所示 的 和 图像。从图可以看出，每类黄芪编码图相同位置的颜色深浅和纹理均存在较大的差异，是由于不同电子舌信号的幅值在时间上的依赖关系不同，导致每类信号所转换的图片彼此之间存在差异。将转换后的图像划分训练集、验证集和测试集，然后进行归一化处理。电子眼信号采集与处理电子 眼 采 集 的 黄 芪样 本 如 图所 示，像 素 大 小 为 ，由于黄芪样本在图片中的位置及大小不一致，会影响模型训练效果，导致出现模型过拟合，泛化能力差等问题。因此，对图像进行缩放、中心裁剪和归一化等预处 理，去 除 冗 余 部 分，保 留 黄 芪 样 本 的 有 效 图 像信息。和 的对比 和 均可实现电子舌信号由一维时序信 ，金鑫宁等：基于电子舌和电子眼结合改进 的黄芪快速溯源检测甘肃黑龙江内蒙古山西陕西图不同种类黄芪电子舌信号的 编码图 犃 狊 狋 狉 犪 犵 犪 犾 狌 狊 图不同产地黄芪样本电子眼图像 犃 狊 狋 狉 犪 犵 犪 犾 狌 狊 号到二维图像的转换，但由于编码方式的不同导致二维图像有所差异，进而对分类性能产生影响，因此对 和 进 行 对 比，以 确 定 最 佳 编 码 方 案。采 用 模 型，使 用 优 化 器，学 习 率 设 置 为 ，为，迭代次数，分别考察基于 和 的模型分类效果，结果如图 所示。从图 可以看出，在训练集和验证集上准确率分别达到 和，而 在训练集和验证集上的准确 率 为 和。稳 定 后的 损 失 曲 线 表 明，在训练集和验证集上的损失值均低于 。试验结果表明，分类效果优于 ，因此后续试验采用 对电子舌信号进行转换。模型改进与优化为了 验 证研 究 所 提 模 型 的 分 类效 果，分 别 对 引 入 注 意 力 机 制 的 模 型 和 未 改 进 的 模型在其验证集上的准确率和损失值进行对比，训练过程如图 所示。由图 可以看出，随着迭代次数的增长，引入 机制的 在验证集上准确率最终达到，相较于未改进的 模型准确率提升了。收 敛 速 度 方 面，引 入 机 制图 基于 和 转换的模型准确率和损失曲线 安全与检测 总第 期 年月的 收 敛 速 度 明 显 优 于 未 改 进 的 模型，且模型迭代至 次后，损失值逐渐趋于平稳，说明模型已经得到较好的训练。引入 注意力机制后，模型的参数量增加了 倍左右，为了减少模型信息冗余，提升计算效率，对引入 的 模型中的 层数进行优化。分别采用验证集和测试集对具有不同 层数的 网络分类性能进行对比，结果如图 所示。试验表明，当 层数为时，验证集准确率增长的最明显，测试集准确率高于其他结构。分别对 模 型、基 于 注 意 力 机 制 的 模型和精简后的 模型的参数量 和 准 确 率 进 行 对 比，结 果 如 表所 示。模型参数量是原 模型参数量的 左 右，而 准 确 率 提 高 了，说 明 缩 减 模型深度，能够有效去除模型提取的冗余特征，提高识别准确率。的学习率、训练周期和批次尺寸等超参数也会对模型的训练速度和泛化性能等产生影响，采用单一因素法对 模型的超参数进行优化，分 别 设 置 学 习 率 为 ，批次尺寸为，训练周期为，。采用测试集对模型性能进行考察，结果如图 所示。通过比较不同超参数在测试集的分类性能，最 终 得 到 最 佳 分 类 效 果 的 模 型 参 数 为 学 习 率 ，训练周期 和批次尺寸。图 引入 的 模型在验证集上的准确率和损失值对比 图 不同 层在引入 的 模型验证集和测试集的分类准确率 表网络参数和准确率对比 网络模型参数量准确率 引入 的 精简后的 消融试验为了验证研究所提出模型的有效性，分别对电子舌或电子眼系统结合 、双感官融合系统结合 、双感官融合系统结合 模型种方法进行消融试验。利用测试集建立混淆矩阵，结果如图 所示。试验表明，单独采用电子舌或电子眼结合 的样本错分率基本一致，其分类准确率 ，金鑫宁等：基于电子舌和电子眼结合改进 的黄芪快速溯源检测图 不同超参数在 模型测试集上的准确率 图 种方法的混淆矩阵对比 分别达到 和，说明电子舌与电子眼设备所提取能反映黄芪样本之间差异的特征信息比较接近。采用双感官融合系统结合 的分类准确率达到，较采用单感官系统有所提升，说明电子舌和电子眼信息融合对黄芪产地的鉴别具有增强效应。采用双感官融合系统结合 准确率为，样本错分率较 模型明显减少，准确率提升了，说明 注意力机制的引入使模型实现了通道注意力和空间注意力的信息交互，精简网络层数减少了冗余特征，显著提高了模型性能。不同方法性能对比分 别 采 用 、模型结合电子舌和电子眼对黄芪样本进行分类检测。通过准确率、精确率、召回率、参数对不同模型性能进行评价，计算公式：犃犜犜犜犜犉犉 ，（）犘犜犜犉 ，（）犚犜犜犉 ，（）犉犘犚犘犚，（）式中：犃 准确率，；犘 精确率，；犚 召回率，；犉 参数；犜 匹配正确的样本个数；犉 匹配不正确的样本个数；犉 没有找到正确匹配的样本数目；犜 找到了但不匹配的样本数目。不同方法根据此评价标准的结果如表所示。在同一深度学习模型中，电子舌和电子眼信息融合对黄芪数据的分类识别率明显高于单感官系统对黄芪数据集的分类，其分类准确率提高了，说明多感官系统信息融合能够获取更多黄芪分类的有效信息。不同特征提取方法之间也存在明显差异，将电子舌和电子眼信息融合 应 用 到 、和 模型中，模型相较于其他深度学习模型准确率提高了，其在准确率、精确率、召 回 率 以 及 评 价 指 标 方 面 分 别 达 到，较其他模型优势明显。可视化分析采用狋分布随机近邻嵌入算法（，狋 ）对电子舌、电子眼和双感官融合系统安全与检测 总第 期 年月特征提取效果进行可视化分析，结果如图 所示。由图 可以看出，电子舌和电子眼每类样本基本成簇，但存在部分错分点，双感官信息融合后的每一类样本在特征空间中有明显的聚集特性且没有错分点，说明在信息融合过程中实现了电子舌信息和电子眼信息的互补，因而具有更好的特征提取能力。表不同深度学习模型性能对比 数据来源模型准确率精确率召回率 电子舌 电子眼 感官融合 图 狋 特征可视化 狋 结论研究 提 出 了 一 种 基 于 电 子 舌、电 子 眼 结 合 改 进 网络模型的黄芪产地快速溯源方法。利用电子舌和电子眼分别采集黄芪样本的味觉和视觉信息，然后通过格拉姆角场对电子舌信号二维化，保留信号对时间序列的依赖性，然后将电子舌和电子眼信息进行数据融合。在 模型的基础上引入金字塔切分注意力机制，以提高模型对空间信息的提取能力，减少 层 数，从 而 去 除 冗 余 特 征。采 用 构 造 的 模型对电子舌和电子眼的融合信息进行的分类识别，结果表明，模型不仅提高了分 类 准 确 率 同 时 减 少 了 参 数 量，相 较 于 、等深度学习模型，在准确率、精确率、召回率和 均有较大提升，可对种不同产地的黄芪进行有效的分类识别。研究的信号二维化只使用一种方法，后期可采用多种不同信号二维化的方法对其电子舌信号进行分析。数据融合直接对电子舌信号和电子眼图像进行简单融合，可针对不同融合方法做对比试验，寻求最优的融合方法。参考文献?明荔莉?范稚莉?王海燕?等?元素分析同位素质谱法测定黄芪中碳、氮同位素比值及其在产地溯源中的应用?化工时刊?（?）?，金鑫宁等：基于电子舌和电子眼结合改进 的黄芪快速溯源检测?（?）?张艳贺?张雷鸣?刘秀波?等?不同产地黄芪的性状和显微鉴别?中药材?（?）?（?）?高继勇?王首程?于雪莹?等?基于电子舌与?模型的咖啡产地快速溯源检测?电子测量技术?（?）?（?）?吴仕敏?余勤艳?朱佳依?等?基于电子舌和代谢组学分析揉捻频率对工夫红茶 品 质的影响?食品科学?（?）?（?）?程铁辕?夏于林?张莹?基于机器学习和电子舌技术的白酒掺假鉴别?食品工业?（?）?（?）?陈晓旭?刘聪?王丽霞?等?基于电子眼技术和化学指纹图谱的陈皮与蒸陈皮质量差异分析?中国实验方剂学杂志?（?）?（?）?康明?陶宁萍?俞骏?等?不同干燥方式无花果干质构及挥发性成分比较?食品与发酵工业?（?）?（?）?段金芳?肖洋?刘影?等?一测多评法与电子眼和电子舌技术相结合优化山茱萸蒸制时间?中草药?（?）?（?）?陈佳瑜?袁海波?沈帅?等?基于智能感官多源信息融合技术的滇红工夫茶汤综合感官品质评价?食品科学?（?）?（?）?（?）?杨正伟?张鑫?李庆盛?等?基于电子舌及一维深度?模型的普洱茶贮藏年限快速检测?食品与机械?（?）?（?）?张海超?张闯?融合注意力的轻量级行为识别网络研究?电子测量与仪器学报?（?）?（?）?姚立?孙见君?马晨波?基于格拉姆角场和?的滚动轴承故障诊断方法?轴承?（?）?（?）?王云艳?罗帅?王子健?基于改进?的遥感目标检测?陕西科技大学学报?（?）?（?）?（?）?（?）?安全与检测 总第 期 年月?李媛媛?王艳丽?姚静?等?基于电子舌的白及及其近似饮片的快速辨识研究?世界科学技术?中医药现代化?（?）?（?）?刘瑞新?郝小佳?张慧杰?等?基于电子眼技术的中药川贝母真伪及规格的快速辨识研究?中国中药杂志?（?）?（?）?（?）?（?）?孙丰刚?王云露?兰鹏?等?基于改进?和迁移学习的苹果果实 病 害 识 别 方 法?农 业 工 程 学 报?（?）?（?）?张利军?段礼祥?万夫?等?往复压缩机故障的残差网络诊断方法?电子测量与仪器学报?（?）?（?）?王 首 程?于 雪 莹?高 继 勇?等?基 于 电 子 舌 和 电 子 鼻 结 合?的陈醋年限检测?食品与机械?（?）?（?）?（上接第页）?郭玉秋?羟丙基交联木薯淀粉对面团特性及加工品质的影响?泰安?山东农业大学?（?）?宁吉英?蜡质玉米淀粉凝胶冻融稳定性的研究?北京?中国农业科学院?何绍凯?刘文娟?曹余?等?马铃薯氧化羟丙基淀粉的制备及其性能研究?食品科技?（?）?（?）?赵丹?徐忠?罗秋影?等?马铃薯交联羟丙基淀粉的制备研究?哈尔滨商业大学学报?（?）?（?）?韦爱芬?韦莉敏?朱鸿雁?等?三偏磷酸钠交联对羧甲基淀粉性能的影响?应用化工?（?）?（?）?徐微?刘玉兵?张丝瑶?等?变性淀粉的制备方法及应用研究进展?粮食与油脂?（?）?（?）?张艳萍?变性淀粉制造与应用?北京?化学工业出版社?郭庆兴?童群义?交联羟丙基羧甲基木薯淀粉性质的研究?食品工业科技?（?）?（?）?邹建?刘亚伟?郑岩?交联羟丙基木薯淀粉性质研究?食品科学?（?）?（?）?，金鑫宁等：基于电子舌和电子眼结合改进 的黄芪快速溯源检测