※食源性危害物防控技术专栏食品科学2025,Vol.46,No.191
基于Transformer架构的原奶中
黄曲霉毒素的定性预测
121,3,*23,4152
王龙，宋晓东，丁浩晗，董冠军，崔晓晖，黄骅迪，张程，乌日娜
（1.江南大学人工智能与计算机学院，江苏无锡214122；2.国家市场监督管理总局重点实验室（乳品质量数智监控技术），
内蒙古呼和浩特011517；3.江南大学未来食品科学中心，江苏无锡214122；4.武汉大学国家网络安全学院，
湖北武汉430072；5.江南大学环境与生态学院，江苏无锡214122）
摘?要：基于机器学习与深度学习技术，采集我国2022—2024年间不同区域和季节的原奶成分数据，探索一种利
M16
用易测得数据定性预测黄曲霉毒素1的方法，降低乳品工厂的批量检测成本。研究基于筛选得到的类特征数据
集，采用线性回归、随机森林、支持向量机等多种机器学习方法以及基于Transformer架构的方法进行预测实验，并
通过对比实验分析这些模型在阴性样本和阳性样本上的预测性能及方差稳定性。实验证明，基于Transformer架构方
法的预测方法综合性能最佳。同时，研究还通过消融实验探究了Transformer架构下位置编码与注意力机制对模型性
能的影响。总的来说，本研究通过深度学习方法实现了黄曲霉毒素M1的高效定性预测，相对于传统方法而言，该
方法既可以满足高通量的需求，又通过减少多余检测环节的方式显著降低了检测成本，为乳制品安全检测提供了数
智化转型的解决方案和模型优化的理论依据。
关键词：食品安全；机器学习；深度学习；黄曲霉毒素；定性预测
QualitativePredictionofAflatoxininRawMilkBasedonTransformerArchitecture
121,3,*23,4152
WANGLong,SONGXiaodong,DINGHaohan,DONGGuanjun,CUIXiaohui,HUANGHuadi,ZHANGCheng,WURina
(1.SchoolofArtificialIntelligenceandComputerScience,JiangnanUniversity,Wuxi214122,China;
2.StateKeyLaboratoryofDairyQualityDigitalIntelligenceMonitoringTechnology,StateAdministrationforMarketRegulation,
Hohhot011517,China;3.ScienceCenterforFutureFoods,JiangnanUniversity,Wuxi214122,China;
4.SchoolofCyberScienceandEngineering,WuhanUniversity,Wuhan430072,China;
5.SchoolofEn