กรอบการเรียนรู้เชิงลึกแบบกึ่งกำกับดูแลสำหรับการวิเคราะห์นมโดยใช้สเปกโตรมิเตอร์ NIR

บทคัดย่อ:

แบบจำลอง DL การเรียนรู้เชิงลึกของข้อมูลสเปกตรัม NIR มีประสิทธิภาพเหนือกว่าอัลกอริทึมเคมีเมตริกแบบดั้งเดิมโดยเฉพาะอย่างยิ่งเมื่อวิเคราะห์สเปกตรัมวัสดุที่ซับการแพร่กระจายของสเปกโตรมิเตอร์ขนาดเล็กแบบพกพาช่วยให้สามารถรวบรวมชุดข้อมูลขนาดใหญ่ขึ้นซึ่งจำเป็นในการสร้างโมเดล DL ที่แข็งแกร่งอย่างไรก็ตาม ด้วยต้นทุนสูงในการอ้างอิงทางเคมีตัวอย่างส่วนใหญ่ที่เก็บรวบรวมนั้นไม่มีการอ้างอิง (ไม่ได้รับการดูแล)ในบทความนี้ อัลกอริทึม DL กึ่ง/กำกับดูแลถูกเสนอเพื่อให้โมเดลที่ปรับขนาดได้ที่แข็งแกร่งในพื้นที่ตัวอย่างและพื้นที่เซ็นเซอร์ที่กว้างขึ้นชุดข้อมูลนมวัวสองชุดถูกรวบรวมและวัดด้วยสเปกโตรมิเตอร์ Neospectra 14 ชุดอัลกอริทึมที่เสนอใช้เพื่อทำนายปริมาณไขมันนมและอัตราส่วนการแปรปรวนน้ำในนมผลลัพธ์แสดงให้เห็นว่าด้วยชุดข้อมูลอ้างอิง (กำกับดูแล) ลดลงเพียง 35% ของตัวอย่างนมและ 50% ของหน่วยสเปกโตรมิเตอร์ที่เพิ่มด้วยชุดข้อมูลที่เหลือที่ไม่ได้รับการดูแลเราสามารถคาดการณ์ปริมาณไขมันนมได้ที่ R2 = 0.95 และ RMSE = 0.22 และการแปรรูปน้ำนมด้วย R2 = 0.8 และ RMSE = 0.12