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

范梦怡; 高贵虎; 陈冬英; 余沐昕

doi:10.12452/j.fxcsxb.250328240

您当前的位置：

首页 >

文章列表页 >

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

中国近红外光谱分析技术发展30年专栏 | 更新时间：2025-10-13

- 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
- Study on Wheat Protein Content Prediction Method Based on Symmetric Convolutional Network with Multi-feature Fusion
- 分析测试学报 2025年44卷第10期页码：2095-2101
- 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：
  
  陈冬英，硕士，副教授，研究方向：机器学习与数据挖掘，E-mail：cdy@fjjxu.edu.cn
- 基金信息：
  
  国家自然科学基金项目(22101047);福建省自然科学基金项目(2023J011094);福建省中青年教师教育科研项目(JAT241074)
- DOI：10.12452/j.fxcsxb.250328240
  中图分类号： O657.3;S512.1
- 收稿：2025-03-28，
  
  修回：2025-04-28，
  
  录用：2025-05-06，
  
  纸质出版：2025-10-15
- 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 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

近红外光谱分析中的化学计量学方法研究进展

中国近红外光谱分析技术30年—回顾、述评与展望