Hot Article
Please wait a minute...
  • Select all
    |
  • Food & Machinery. 2024, 40(12): 59-64. https://doi.org/10.13652/j.spjx.1003.5788.2024.60182
    Abstract (8) Knowledge map Save
    数字经济时代，食品安全法律监管呈现监管工具智能化、监管路径多元化、监管效能全程化趋势。受“数字监管”理念共识缺位与“技术应用”行为认知偏差的双重影响，食品安全监管仍存在规则缺漏、模式异化和队伍薄弱等实践困境，阻碍了监管数字化与法治化双向赋能与耦合式发展。文章探究了数字赋能食品安全监管的新路径：在法律供给层面完善数字监管规范体系，在机制运作层面修正赋能过程中的模式偏移，在队伍建设层面培育数字法治监管人才，并对其发展趋势进行了展望。
  • Food & Machinery. 2024, 40(12): 51-58. https://doi.org/10.13652/j.spjx.1003.5788.2024.80366
    Abstract (8) Knowledge map Save
    [目的]实现枸杞产地的快速检测。[方法]提出了一种基于电子鼻和电子舌的长短期记忆网络—注意力机制—多尺度一维卷积神经网络（LSTM-AM-M1DCNN）模型的枸杞产地快速判别方法。采用电子鼻和电子舌分别对5种不同产地的枸杞进行检测，将采集回来的信息进行融合，并采用LSTM-AM-M1DCNN对融合后的数据进行分类判别。[结果]相比于传统的LSTM、CNN方法，LSTM-AM-M1DCNN能够有效提取到电子鼻和电子舌数据中深层特征信息，其测试集准确率、精确率、召回率、F1-Score分别为97.4%,97.6%,97.4%,0.974。[结论]采用LSTM-AM-M1DCNN解决了传统卷积神经网络无法充分提取时序、时空特征的缺陷，适合对电子鼻和电子舌采集到的数据进行处理，可有效判别枸杞产地。
  • Food & Machinery. 2024, 40(12): 89-94. https://doi.org/10.13652/j.spjx.1003.5788.2024.60131
    Abstract (6) Knowledge map Save
    [目的]实现对新鲜葡萄关键品质指标的准确、无损检测，提出一种基于双通道改进卷积神经网络的新鲜葡萄品质检测分析方法。[方法]采用光纤光谱仪和CCD相机采集葡萄样本可见-近红外光谱和表征图像信息。建立双通道改进卷积神经网络模型，运用GAF变换将一维光谱数据转换为二维图像，以利于卷积神经网络模型从光谱中提出有效特征。设计具有不同尺寸大小卷积核的卷积层对转换后的光谱二维图像和葡萄表征图像进行特征提取，以提升卷积神经网络模型对两类图像特征的综合感知能力。在此基础上，全连接层采用dropout方法对双通道卷积神经网络提取到的光谱数据特征和表征图像特征进行降维与融合，最终实现对葡萄品质指标的准确预测分析。[结果]与其他3种葡萄品质检测方法相比，试验方法的均方根误差分别降低了50.48%,57.44%,49.56%，相关系数分别提高了4.89%,3.13%,2.17%。[结论]试验设计的双通道改进卷积神经网络品质检测分析方法能够实现对葡萄品质关键指标的无损检测。