近日，我校数学与计算机科学学院大数据专业本科生在国际著名期刊《Journal of Medicinal Food》上发表题为“Rapid Mold Detection in Chinese Herbal Medicine Using Enhanced Deep Learning Technology”的高水平科学研究论文。
中药在全球范围内被广泛应用于治疗各种人类疾病。但是在采前和采后很多因素会导致中药材对霉菌毒素污染的易感性增加，如气候变化、储存条件、虫害等。霉菌污染容易导致其质量下降和功效降低，甚至对人类健康构成威胁。为了保证中药药效，开发出高效、准确的中药霉变检测方法至关重要。传统检测方法，（如PCR、ELISA、免疫荧光、热成像、荧光成像等）虽可实现检测之目标，然而这些方法普遍耗时长且效率低，因此如何能够简单、快速、准确、经济的实现中药材霉变检测，是一个亟待解决的难题。
该研究采用非线性信号分析方法来消除原始电子鼻数据中的噪声，通过综合分析8个传感器数据，引入了偏心时间卷积网络（Eccentric Temporal Convolutional Network，ETCN）模型，该模型有效地从电子鼻检测数据中捕获时间和空间信息，从而在中药材中实现霉变的精准检测。研究结果表明，ETCN方法达到了94.3%的准确率，优于其它对比模型，证明ETCN模型的准确性和高效性，为中药材霉变快速无损检测提供了较为理想的解决方案。
图1 ETCN模型的网络结构
论文第一作者是大数据21级本科生竺婷，通讯作者是校科研育人名师工作室负责人。Journal of Medicinal Food期刊是一本专注于食品材料的药用价值和生物医学作用的国际同行评审期刊，其2023年影响因子为1.73。本研究工作依托浙江农林大学科研育人名师工作室，并得到数学与计算机科学学院的大力支持，使得学生可以在无量之课外学术空间中得以自由翱翔，为优秀学生未来之发展奠定坚实基础。
论文地址：
https://doi.org/10.1089/jmf.2024.k.0004
数计学院 连俊博
浙公网安备33018502001115号