Study on Wheat Protein Content Prediction Method Based on Symmetric Convolutional Network with Multi-feature Fusion

FAN Meng-yi; GAO Gui-hu; CHEN Dong-ying; YU Mu-xin

doi:10.12452/j.fxcsxb.250328240

您当前的位置：

首页 >

文章列表页 >

Study on Wheat Protein Content Prediction Method Based on Symmetric Convolutional Network with Multi-feature Fusion

Special Column on the 30-Year Development of Near-Infrared Spectroscopy in China | 更新时间：2025-11-05

- Study on Wheat Protein Content Prediction Method Based on Symmetric Convolutional Network with Multi-feature Fusion
- Journal of Instrumental Analysis Vol. 44, Issue 10, Pages: 2095-2101(2025)
- 作者机构：
  
  1.福建江夏学院电子信息科学学院，福建福州 350108
  2.闽江学院物理与电子信息工程学院，福建福州 350108
- 作者简介：
- 基金信息：
- DOI：10.12452/j.fxcsxb.250328240
  CLC： O657.3;S512.1
- Received：28 March 2025，
  
  Revised：2025-04-28，
  
  Accepted：06 May 2025，
  
  Published：15 October 2025
- 稿件说明：
移动端阅览
范梦怡,高贵虎,陈冬英,余沐昕.基于多特征融合对称卷积网络的小麦蛋白质含量预测方法研究[J].分析测试学报,2025,44(10):2095-2101.

FAN Meng-yi,GAO Gui-hu,CHEN Dong-ying,YU Mu-xin.Study on Wheat Protein Content Prediction Method Based on Symmetric Convolutional Network with Multi-feature Fusion[J].Journal of Instrumental Analysis,2025,44(10):2095-2101.
范梦怡,高贵虎,陈冬英,余沐昕.基于多特征融合对称卷积网络的小麦蛋白质含量预测方法研究[J].分析测试学报,2025,44(10):2095-2101. DOI： 10.12452/j.fxcsxb.250328240.

FAN Meng-yi,GAO Gui-hu,CHEN Dong-ying,YU Mu-xin.Study on Wheat Protein Content Prediction Method Based on Symmetric Convolutional Network with Multi-feature Fusion[J].Journal of Instrumental Analysis,2025,44(10):2095-2101. DOI： 10.12452/j.fxcsxb.250328240.

摘要

针对小麦近红外光谱数据样本规模小且光谱信息有限，传统方法难以充分提取数据特征，而卷积神经网络（CNN）存在计算效率低、参数量大，且容易过拟合的问题，提出了一种多特征融合的对称卷积网络（SCN-MF），以此实现小麦蛋白含量的高效准确预测。首先，设计了一种对称卷积网络，利用通道数量先增后减的对称式结构，在保证预测精度的同时降低计算复杂度；其次，引入多特征融合模块，通过交叉注意力机制将原始光谱和其导数光谱相结合，以增强关键特征表达，从而提高模型的预测精度。结果表明，SCN-MF模型在测试集上的决定系数（

²）为0.946 1，预测偏差（RPD）为4.305 7，均方根误差（RMSE）为0.404 3，且较改进前CNN显著提升了模型的预测精度和计算效率。同时，与其他5种方法相比，SCN-MF模型在训练集和测试集中均表现最佳，具有更优的稳定性和预测能力。该研究适用于小样本、小模型场景下的近红外光谱数据建模，为小麦蛋白质含量智能化检测提供了新的技术支撑。

Abstract

Traditional methods are ineffective in feature extraction from wheat near infrared spectra due to small sample sizes and limited spectral information，while convolutional neural networks （CNN） often suffer from inefficiency，over-parameterization，and overfitting. To address these issues，this study proposes a symmetric convolutional network with multi-feature fusion （SCN-MF） for accurate and efficient wheat protein content prediction. First，a symmetric CNN is designed with a channel structure that increases and then decreases. This structure ensures prediction accuracy while reducing computational complexity. Second，a multi-feature fusion module is introduced. It employs a cross-attention mechanism to integrate original spectra with derivative spectra. This enhances key feature

representation and improves prediction accuracy. Experimental results show that SCN-MF achieves a

² of 0.946 1，a RPD of 4.305 7，and a RMSE of 0.404 3 on the testing set. Compared with the baseline CNN model，it significantly enhances prediction accuracy and computational efficiency. Additionally，SCN-MF outperforms five other methods on both training and testing sets，demonstrating superior stability and prediction ability. This study is suitable for NIR spectral modeling in small-sample and small-model scenarios. It provides new technical support for intelligent wheat protein content detection.

关键词

Keywords

references

Lü Y M ， Tian X L ， Wang X X ， Ma S . Grain Process. （吕一鸣，田潇凌，王晓曦，马森. 粮食加工）， 2022 ， 47 （ 3 ）： 8 - 13 .

Wu H B ， Sun H ， Hong Y ， Chang L ， Duan X L ， Ma H ， Jing X X ， Zhou G Y . Sci. Technol. Cereals Oils Foods （吴海彬，孙辉，洪宇，常柳，段晓亮，马航，荆晓萱，周桂英. 粮油食品科技）， 2024 ， 32 （ 2 ）： 92 - 99 .

Li L ， Chen S ， Deng M L ， Gao Z D . Grain Oil Sci. Technol. ， 2022 ， 5 （ 1 ）： 44 - 57 .

Wei Z Y ， Si Z F ， Wang Y . Light Ind. Sci. Technol. （韦紫玉，斯中发，王月. 轻工科技）， 2018 ， 34 （ 5 ）： 41 - 42 .

Liu W ， Qiu X W ， Jiang L W ， Fan W ， Li P ， Zheng Y . J. Instrum. Anal. （柳薇，邱熙文，蒋立文，范伟，李跑，郑郁. 分析测试学报）， 2025 ， 44 （ 2 ）： 246 - 252 .

Chen Q W ， Xiang C Q ， Li X Y ， Yu D H ， Wang L Q ， Xiao X . J. Instrum. Anal. （陈启文，向超群，李欣怡，余丹华，王乐琪，肖雪. 分析测试学报）， 2025 ， 44 （ 2 ）： 253 - 258 .

Xu P ， Tu Z H ， Mi Q ， Qiu C G ， Lu Y ， Luo W X ， Yu J X ， Chen J ， Zheng G W . J. Instrum. Anal. （徐萍，涂振华，米琪，邱昌桂，陆尤，罗文秀，余建新，陈佳，郑国伟. 分析测试学报）， 2024 ， 43 （ 11 ）： 1813 - 1820 .

Sun P ， Xiang C Q ， Chen Q W ， Jia B ， Li X Y ， Chen W X ， Qiao W L ， Xiao X . J. Instrum. Anal. （孙鹏，向超群，陈启文，贾彬，李欣怡，陈炜璇，乔卫林，肖雪．分析测试学报）， 2024 ， 43 （ 4 ）： 637 - 639，641 .

Du Z J ， Tian W F ， Tilley M ， Wang D H ， Zhang G R ， Li Y H . Compr. Rev. Food Sci. Food Saf. ， 2022 ， 21 （ 3 ）： 2956 - 3009 .

Zhang S ， Feng M C ， Yang W D ， Wang C ， Sun H ， Jia X Q ， Wu G H . Ecol. J. （张松，冯美臣，杨武德，王超，孙慧，贾学勤，武改红. 生态学杂志）， 2018 ， 37 （ 4 ）： 1276 - 1281 .

Zhang X F ， Zhang Y C ， Huan K W ， Jin M H ， Wen P . J. Changchun Univ. Sci. Technol. ： Nat . Sci. （张晓锋，张亦弛，宦克为，金明杭，文鹏. 长春理工大学学报：自然科学版）， 2024 ， 47 （ 5 ）： 15 - 21 .

Hosseinpour-Zarnaq M ， Omid M ， Sarmadian F ， Ghasemi-Mobtaker H . Environ. Earth Sci. ， 2023 ， 82 （ 16 ）： 382 .

Xia H R ， Zhu R ， Yuan H F ， Song C F . Microchem. J. ， 2024 ， 200 ： 110391 .

Zeng S C ， Zhang Z Y ， Cheng X D ， Cai X ， Cao M ， Guo W C . Spectrochim. Acta A ， 2024 ， 304 ： 123402 .

Yang Y ， Zhou Y ， Li S H . J . Chin. Cereals Oils Assoc. （杨友，周玉，李四海. 中国粮油学报）， 2024 ， 39 （ 9 ）： 198 - 204 .

Yu S ， Huan K W ， Liu X X . Infrared Phys. Technol. ， 2023 ， 135 ： 104958 .

Cui C ， Fearn T . Chemom. Intell. Lab. Syst. ， 2018 ， 182 ： 9 - 20 .

Li S H ， Liu D L . Spectrosc. Spectral Anal. （李四海，刘东玲. 光谱学与光谱分析）， 2021 ， 41 （ 4 ）： 1097 - 1101 .

Niu Z Y ， Zhong G Q ， Yu H . Neurocomputing ， 2021 ， 452 ： 48 - 62 .

Siddique N ， Paheding S ， Elkin C P ， Devabhaktuni V . IEEE Access ， 2021 ， 9 ： 82031 - 82057 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Advances in Chemometrics Methods for Near Infrared Spectroscopic Analysis

30 Years of Near Infrared Spectroscopy Analysis Technology in China—Review，Commentary，and Future Prospects

Related Author

CHEN Dong-ying

FU Jia-shun

GUO Qiong

CAI Wen-sheng

SHAO Xue-guang

LIU Yu

CHEN Pu

LI Jing-yan

Related Institution

Research Center for Analytical Sciences，College of Chemistry，Nankai University

Sinopec Research Institute of Petroleum Processing Co.，LTD.

College of Environmental Science and Engineering，North China Electric Power University

Research Center for Eco-Environmental Sciences，Chinese Academy of Sciences

Jiangsu Collaborative Innovation Center of Chinese Medicinal Resources Industrialization，National and Local Collaborative Engineering Center of Chinese Medicinal Resources Industrialization and Formulae Innovative，State Administration of Traditional Chinese Medicine Key Laboratory of Chinese Medicinal Resources Recycling Utilization，Jiangsu Key Laboratory for High Technology Research of Traditional Chinese Medicine Formulae，Nanjing University of Chinese Medicine，Nanjing　210023，China

Address：100 Xianlie Middle Road, Guangzhou Postal code：510070
Tel：020-87684776,37656606 Fax：020-87684776 Email：fxcsxb@china.com
Technical support is provided by Beijing Founder electronics co., LTD 粤ICP备12017312号-3 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.
Total Visits：751162 Visits Today：451

⁰