使用近红外光谱仪进行牛奶分析的半监督深度学习框架

摘要：

深度学习 DL 近红外光谱数据模型的性能优于传统的化学计量学算法，特别是在分析具有重叠波段的复杂材料光谱时。便携式微型化光谱仪的广泛应用允许收集更大的数据集，这是构建可靠的 DL 模型所必需的。但是，由于化学参照的成本很高，大多数收集的样本都没有参照（无人监督）。本文提出了一种半/监督深度学习算法，该算法可在更宽的样本空间和传感器空间中提供稳健的可扩展模型。使用14台Neospectra光谱仪收集和测量了两个牛奶数据集。所提出的算法用于预测牛奶中的乳脂含量和水分掺假比例。结果表明，如果减少了参考（监督）数据集，只有 35% 的牛奶样本和 50% 的光谱仪单位，再加上剩余的无监督数据集，我们可以预测乳脂含量（R2 = 0.95，RMSE = 0.22），R2 = 0.8，RMSE = 0.12 的牛奶水掺假。