科技文摘

20220401 基于高光譜結(jié)合化學(xué)計(jì)量學(xué)的冰鮮雞肉IMP含量無損檢測//DOI：10.25165/j.ijabe.20221501.6612

該研究旨在挖掘近紅外高光譜成像技術(shù)（900-1700 nm）對雞肉肌苷酸（IMP）的無損檢測應(yīng)用潛力。通過獲取雞肉樣品的高光譜圖像，提取圖像內(nèi)的平均光譜，利用偏最小二乘（PLS）回歸算法與IMP參考值進(jìn)行關(guān)聯(lián)。結(jié)果發(fā)現(xiàn)，采用移動平均平滑（MAS）預(yù)處理光譜建立的PLS模型（MAS-PLS）預(yù)測IMP含量效果較好，相關(guān)系數(shù)（RP）為0.951、均方根誤差（RMSEP）為0.046 mg/g、剩余預(yù)測偏差（RPD）為3.152。利用回歸系數(shù)法（RC）、連續(xù)投影算法（SPA）、逐步回歸法（Stepwise）、競爭性自適應(yīng)重加權(quán)采樣法（CARS）和無信息變量消除法（UVE）篩選出最優(yōu)波長對MAS-PLS模型進(jìn)行優(yōu)化。結(jié)果顯示，基于SPA法篩選出的18個(gè)最優(yōu)波長（907.14、917.02、918.67、926.90、930.20、936.78、956.54、1004.28、1135.89、1211.56、1302.07、1367.94、1397.60、1488.31、1680.17、1683.49、1686.80、1695.10 nm）建立MAS-SPA-PLS模型預(yù)測效果較好，且其預(yù)測性能與MAS-PLS模型相近，RP為0.920、RMSEP為0.056 mg/g、RPD為3.220。整個(gè)研究表明，近紅外高光譜成像技術(shù)聯(lián)合PLS算法和SPA算法可實(shí)現(xiàn)對雞肉中IMP含量的無損預(yù)測。

[編譯自：Wang Y Y，He H J，Jiang S Q，Ma H J.Nondestructive determination of IMP content in chilled chicken based on hyperspectral data combined with chemometrics.Int J Agric & Biol Eng，2022；15（1）：277-284.]

20220402 基于雙層多局域環(huán)境的生鮮農(nóng)產(chǎn)品供應(yīng)鏈復(fù)雜網(wǎng)絡(luò)模型//DOI：10.25165/j.ijabe.20221501.6353

近年來，部分生鮮農(nóng)產(chǎn)品出現(xiàn)了地區(qū)性或季節(jié)性的“產(chǎn)地賣難，銷地買難”的現(xiàn)象。農(nóng)戶種養(yǎng)出來的農(nóng)產(chǎn)品消費(fèi)者購買時(shí)價(jià)格不低，農(nóng)戶源頭利潤卻很微薄，在這種復(fù)雜的環(huán)境中，急需了解參與主體之間相互影響的模式，建立系統(tǒng)層面的模擬模型，研究個(gè)體行為對供應(yīng)系統(tǒng)整體性能和動態(tài)的影響，從而提升農(nóng)產(chǎn)品交易上行效率，穩(wěn)定農(nóng)產(chǎn)品供應(yīng)系統(tǒng)。本文以多局域環(huán)境復(fù)雜網(wǎng)絡(luò)為研究工具，以生鮮農(nóng)產(chǎn)品供應(yīng)鏈為研究對象，在對供應(yīng)鏈網(wǎng)絡(luò)四類節(jié)點(diǎn)類型及“小型且分散”和“規(guī)模集中化”兩種生產(chǎn)經(jīng)營模式下節(jié)點(diǎn)的特征進(jìn)行分析刻畫的基礎(chǔ)上，將可跨層交易機(jī)制引入模型，并根據(jù)網(wǎng)絡(luò)連邊的建立和消亡雖然與實(shí)際交易過程并非同步發(fā)生，而是在特定條件下續(xù)存一定的時(shí)間的特性，提出了農(nóng)產(chǎn)品供應(yīng)過程網(wǎng)絡(luò)連邊的異步續(xù)存機(jī)制，最后構(gòu)建了一種更符合農(nóng)業(yè)行業(yè)特征的雙層多局域環(huán)境的供應(yīng)鏈復(fù)雜網(wǎng)絡(luò) （BI-MLW）模型。實(shí)證過程以天津地區(qū)西葫蘆、黃瓜為樣例品種，使用該模型與實(shí)證數(shù)據(jù)進(jìn)行了對比分析，并圍繞不同生產(chǎn)經(jīng)營模式下的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的變化，不同網(wǎng)絡(luò)演化機(jī)制對生鮮農(nóng)產(chǎn)品網(wǎng)絡(luò)模型的影響等問題進(jìn)行了分析和討論。結(jié)果顯示，該研究建立的 BI-MLW模型在一定程度上較為準(zhǔn)確的模擬了度值較大的節(jié)點(diǎn)且未更加快速的增加連邊的特性，較好地反映了農(nóng)產(chǎn)品供應(yīng)領(lǐng)域即便是大型企業(yè)也并不能快速地占領(lǐng)所有市場；反而隨著季節(jié)和產(chǎn)品來回波動的特性，在“小型且分散”的生產(chǎn)經(jīng)營模式下，BI-MLW 模型表現(xiàn)出平均度值較小且聚集系數(shù)較低的稀疏網(wǎng)絡(luò)特性；“規(guī)模集中化”的生產(chǎn)經(jīng)營模式下模型表現(xiàn)出平均聚集系數(shù)上升的特性，均與現(xiàn)實(shí)有較高的吻合度。綜合對比結(jié)果表明，該研究建立的雙層多局域環(huán)境模型在模擬生鮮農(nóng)產(chǎn)品供應(yīng)鏈連邊機(jī)制方面的特性優(yōu)于經(jīng)典的ER、BA、BB復(fù)雜網(wǎng)絡(luò)模型，在發(fā)展演化參數(shù)并分析和預(yù)測供應(yīng)鏈不同發(fā)展情景方面，該模型還具有較好的擴(kuò)展能力。

[編譯自：Liu Y Q，Xu S W，Liu J J，Zhuang J Y.Analytical bi-level multi-local-world complex network model on fresh agricultural products supply chain.Int J Agric & Biol Eng，2022；15（1）：208-215.]

20220406 基于高光譜離散小波變換和深度學(xué)習(xí)的牛肉獸藥殘留檢測識別//DOI：10.25165/j.ijabe.20221501.6459

針對牛肉獸藥殘留傳統(tǒng)化學(xué)檢測手段存在前期處理過程繁瑣、檢測周期長等不足，提出了一種快速無損識別牛肉獸藥殘留種類的方法。首先，以1組無獸藥殘留和4組含有均勻噴灑甲硝唑、氧氟沙星、沙丁胺醇和地塞米松獸藥的牛肉樣本為研究對象，利用高光譜成像系統(tǒng)獲取400-1000 nm高光譜圖像，并選取ROI感興趣區(qū)域后經(jīng)多元散射校正（MSC）預(yù)處理；其次，分別采用競爭性自適應(yīng)重加權(quán)算法（CARS）、主成分分析算法（PCA）和離散小波變換（DWT）（分別基于haar、db3、bior1.5、sym5和rbio1.3小波基函數(shù)）降維；最后，將降維后的高光譜數(shù)據(jù)分別輸入卷積神經(jīng)網(wǎng)絡(luò)（CNN）、多層感知機(jī)（MLP）、隨機(jī)森林（RF）和支持向量機(jī)（SVM）建立模型并比較。結(jié)果顯示，CNN、MLP、SVM和RF算法均在降維算法DWT（小波基函數(shù)及變換層數(shù)分別為haar-4、db3-2、bior1.5-4和sym5-3）取得最優(yōu)總體精度（分別為91.6%、88.6%、87.6%和86.2%）、Kappa系數(shù)（0.89、0.86、0.85和0.83）和預(yù)測集用時(shí)（140.6 ms、57.85 ms、70.67 ms和87.16 ms），三個(gè)指標(biāo)均優(yōu)于基于CARS和PCA降維算法建模結(jié)果?？梢?，離散小波變換和深度學(xué)習(xí)技術(shù)相融合不但縮短分類識別用時(shí)，而且顯著提高分類識別精度，改善“休斯”現(xiàn)象，為實(shí)現(xiàn)快速無損檢測識別牛肉獸藥殘留提供一個(gè)新的方法。

[編譯自：Jiang R C，Shen J X，Li X R，Gao R，Zhao Q H，Su Z B.Detection and recognition of veterinary drug residues in beef using hyperspectral discrete wavelet transform and deep learning.Int J Agric & Biol Eng，2022；15（1）：224-232.]

20220407 卷積神經(jīng)網(wǎng)絡(luò)動態(tài)集成選擇及其在花卉分類中的應(yīng)用//DOI：10.25165/j.ijabe.20221501.6313

近年來，卷積神經(jīng)網(wǎng)絡(luò)在圖像分類方面取得巨大成功。然而，卷積神經(jīng)網(wǎng)絡(luò)通常具有復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，極易導(dǎo)致網(wǎng)絡(luò)參數(shù)冗余、訓(xùn)練效率低、過擬合以及泛化能力弱等問題。為解決上述問題及提高花卉圖像分類準(zhǔn)確率，該研究結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和集成學(xué)習(xí)技術(shù)的優(yōu)點(diǎn)，提出一種卷積神經(jīng)網(wǎng)絡(luò)動態(tài)選擇集成方法。首先，利用遷移學(xué)習(xí)和重采樣技術(shù)在花卉圖像樣本集上構(gòu)建13個(gè)具有差異的MobileNet網(wǎng)絡(luò)分類器；然后采用不一致度量方法對構(gòu)建的13個(gè)MobileNet網(wǎng)絡(luò)進(jìn)行差異性度量，并按照差異性大小進(jìn)行排序；最后，根據(jù)分類器識別結(jié)果可信度，動態(tài)選擇差異性大的分類器子集對花卉圖像進(jìn)行集成識別。對由5類花卉圖像構(gòu)成的測試樣本集，所提方法的識別準(zhǔn)確率為95.5%，分別比MobileNet、Inception-v1、ResNet-50，Inception-ResNet-v2、線性集成方法提高了1.62%，3.94%，22.04%，13.77%，0.44%。此外，該研究還將所提方法與另外5種花卉分類方法在同一數(shù)據(jù)集上進(jìn)行識別性能對比。試驗(yàn)結(jié)果表明：所提方法具有較高的識別準(zhǔn)確率和魯棒性。

[編譯自：Wang Z B，Wang K Y，Wang X F，Pan S H，Qiao X J.Dynamic ensemble selection of convolutional neural networks and its application in flower classification.Int J Agric &Biol Eng，2022；15（1）：216-223.]

20220408 紅外聯(lián)合熱風(fēng)干燥對三七主根皂苷及干燥特性的影響//DOI：10.25165/j.ijabe.20221501.6210

探索新的干燥技術(shù)有助于解決中藥根莖類藥材更好保存的難題。該研究采用紅外聯(lián)合熱風(fēng)干燥（IR-HAD）三七主根并分析干燥動力學(xué)、能量效率和質(zhì)量等影響，包括復(fù)水比（RR）、顏色參數(shù)（L*、a*、b*）、總色差（ΔE）、三七總皂苷（PNS）含量、人參皂苷含量（R1、Rg1、Re、Rd、Rb1）等指標(biāo)。結(jié)果表明，提高干燥溫度可顯著縮短干燥時(shí)間，降低能耗。在55°C條件下，IR-HAD的干燥時(shí)間最短（43.0 h），能耗最低（15.9 kW·h/kg）。輻射距離的減小和輻射功率的增大導(dǎo)致干燥時(shí)間的縮短。而干燥溫度過高，樣品的ΔE值較大，組織結(jié)構(gòu)塌陷較大，復(fù)水比也較大。IR-HAD干燥的主根中R1、Rg1、Re、Rd、Rb1和PNS的含量高于同等溫度（50°C）下HAD干燥的樣品。IR-HAD干燥主根比HAD縮短15.5%的干燥時(shí)間，降低22.1%的能耗。綜上所述，最佳工藝為IR-HAD干燥溫度50°C，輻射距離12 cm，輻射功率1350 W條件下可縮短干燥時(shí)間，保持較高的人參皂苷含量和較好的表觀品質(zhì)。

[編譯自：Jiang D L，Zheng Z A.Effects of combined infrared and hot-air drying on ginsenosides and drying characteristics of Panax notoginseng （Araliaceae）roots.Int J Agric & Biol Eng，2022；15（1）：267-276.]