基于深度学习的甜味剂分类模型

来源：农业工程学报杂志2021年第11期北京时间：

作者：肖凌俊,陈爱斌,周国雄,易积政,

摘要：针对开发甜味剂过程中筛选百万级别甚至千万级别的天然或合成分子需要大量时间和资金的问题，该研究提出了一种基于深度学习的甜味剂分类模型。首先对数据集进行了扩增和优化，生成分子指纹以及分子图片，然后将注意力机制加入到DenseNet结构中，对分子特征和提取的特征进行融合。在20 029个分子图像和分子指纹数据集上进行训练，并在独立测试集上进行模型检验。试验结果表明，分类准确率为0.934，准确率波动幅度小于0.005，4类物质（强甜味、弱甜味、无味、苦味）的分类精度均超过0.91，优于传统机器学习模型和常用的卷积神经网络模型，可以从大量分子中筛选并识别目标分子，能使相关研究人员更容易地筛选出潜在甜味剂，并为将来甜味剂的筛选提供了一种思路与方法。

关键词：深度学习, 模型, 甜味剂, 分类, 卷积神经网络, 特征融合