《食品科学》：江南大学丁浩晗博士等：基于Transformer架构的原奶中黄曲霉毒素的定性预测

背景：食品安全是全球关注焦点，黄曲霉毒素M1（AFM1）作为一级致癌物，存在于原奶中，对消费者健康构成威胁。传统检测方法成本高，因此需要开发低成本快速检测算法。研究目的：江南大学丁浩晗博士等旨在利用原奶中易于测得的蛋白质、脂肪等16个特征数据，通过机器学习方法定性预测AFM1，以替代传统检测，提升效率。结论：研究基于Transformer架构的模型在AFM1预测中表现最佳，准确率达0.84，阳性样本召回率为0.88，优于其他机器学习方法。通过消融实验发现，位置编码对模型性能无正向作用，而注意力机制虽分配均等注意力分数，但仍提升模型稳定性。研究证明了机器学习方法在AFM1预测中的有效性，但存在数据不平衡和注意力机制失效等局限性，未来需进一步优化。