文献类型：期刊文章

作　　者：束沁炟[1] 张佳汇[2] 王琪[3] 岳宝华[3] 李倩倩[1]

SHU Qin-da;ZHANG Jia-hui;WANG Qi;YUE Bao-hua;LI Qian-qian(Department of Business Administration,School of Management,Shanghai University,Shanghai 200444,China;Shanghai TotoleFood Co.,Ltd.,Shanghai 201802,China;College of Sciences Shanghai University,Shanghai 200444,China)

机构地区：[1]上海大学管理学院工商管理系,上海200444 [2]上海太太乐食品有限公司,上海201802 [3]上海大学理学院,上海200444

出　　处：《光谱学与光谱分析》

基　　金：国家自然科学基金青年基金项目(21706156)资助。

年　　份：2025

卷　　号：45

期　　号：8

起止页码：2228-2233

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：针对固态复合调味料鲜美度感官评价主观性强、数据可靠性低的问题,本研究提出一种基于近红外光谱(NIRS)与深度学习融合的鲜美度预测模型。通过筛选1963个市售样品,结合消费者鲜美度感官评价能力评估,优化数据质量,并分别构建一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)定量预测模型。结果表明:未筛选消费者评价数据时,模型平均相对误差(MRE)为12.79%~15.86%,相关系数(R)为0.70~0.74;经筛选剔除6名评价能力较差的消费者评价数据后,2D-CNN模型性能显著提升(建模集MRE=4.94%,R=0.90;验证集MRE=5.25%,R=0.87)。研究表明,消费者鲜美度感官评价能力筛选与二维卷积特征提取可有效提高模型预测精度,为固态复合调味料品质评价及新产品开发提供高效、客观的技术支持。

关 键 词：鲜美度  感官评价 近红外光谱 一维卷积  二维卷积  

分 类 号：O657.3]