来源：期刊VIP网 时间：
作者：陈冬英;张昊;张禹;余沐昕;魏建崇;
单位：福建江夏学院电子信息科学学院;福建江夏学院数字福建智能家居信息采集及处理物联网实验室;
摘要：奶制品中的三聚氰胺污染对婴幼儿健康构成严重威胁。传统的三聚氰胺检测方法存在效率低和操作复杂等不足。本研究提出了一种融合注意力机制的一维超深度卷积神经网络（1D-VDCNN）与双向长短期记忆网络（BiLSTM-Attention）的分类模型，实现了三聚氰胺的无损高效鉴别。1D-VDCNN模型通过引入2个约束条件优化特征层，采用降采样与大卷积核替代全连接层，实现低复杂度和纵向特征提取增强；BiLSTM网络提取特征序列中的双向长程依赖关系，强化横向特征关联；集成注意力机制提升关键光谱特征的权重分配。本研究采用开源三聚氰胺近红外光谱数据集，样本总数为1972，最大单类样本数为500，光谱范围为5546～6254 cm~(–1)，模型分类准确率可达到99.75%，模型参数量较基准模型降低约43%，收敛速度与特征提取能力显著提升，表现出良好的稳定性与泛化能力。相较于单一BiLSTM模型和传统计量方法，本模型的准确率提升约10%，适用于小样本光谱数据，为食品安全检测提供了高精度、轻量化的化学计量学新方法。
关键词：三聚氰胺;;一维卷积神经网络;;双向长短期记忆网络;;注意力机制;;鉴别
基金资助：国家自然科学基金项目（No.22101047）;; 福建省自然科学基金项目（No.2023J011094）;; 福建省教育教学改革研究重大项目（No.FBJY20240225）资助~~
