基于深度学习的进出口水产品品种鉴别技术研究进展

刘晓静 原志伟 张维刚

在经济全球化的大背景下，我国进出口贸易发展迅速，其中水产品占据很大的份额。随着进出口水产品的品种越来越丰富，这在一定程度上增加了水产品品种鉴别的难度，比如在进出口贸易过程中，部分企业受利益驱使，存在以假充真、以次充好等问题，严重影响了后续进出口贸易的发展。深度学习作为一种新型神经网络技术，可以充分模仿人脑机制的数据进行解释，可以解决水产品品种鉴别存在的问题。本文首先介绍了深度学习这一技术的理念，然后分析了进出口水产品品种鉴别的现状，最后对深度学习用于进出口水产品品种鉴别的方法进行了介绍。

一、深度学习概述

1.深度学习的概念。深度学习是机器学习研究中的一个新的领域，主要是建立、模拟人脑进行分析学习的神经网络，通过模仿人脑的机制来解释数据，例如图像、声音和文本。深度学习的概念源于人工神经网络的研究，主要是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

2.深度学习的优势。在使用深度学习过程中，通过用更多的数据或是更好的算法，可以有效提高学习算法的结果，对某些应用而言，深度学习在大数据集上的表现比其他机器学习方法都要好。并且，深度学习更适合无标记数据，因而它并不局限于以实体识别为主的自然语言处理领域。

3.深度学习的应用领域。深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术，以及其他相关领域都得到了广泛应用，并取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

二、进出口水产品品种鉴别现状

1.进出口水产品贸易现状。近年来，国际水产品市场发展迅速，有关进出口水产政策也逐步完善，我国主要进出口水产品有鳕鱼、金枪鱼、鲽鱼、三文鱼、石斑鱼等。随着贸易的不断深入，一部分国内外企业为了追求更高的利润，存在以假充真、以劣充好等现象，如用油鱼假冒鳕鱼、越南鲶鱼冒充中国斑点叉尾鱼、河豚鱼标识为安康鱼、高汞含量罗非鱼和方头鱼被标注为红鲷鱼，在一些罐头、鱼子酱、鱼糜等加工产品中掺杂廉价鱼肉的状况也时有发生，这对进出口水产品市场的影响极坏。

2.进出口水产品品种鉴别现状。随着进出口水产品品种的增多，传统的形态学和生物学鉴定已经很难满足进出口水产品品种鉴别的需求，并且随着进出口贸易规模的增加，传统的人工鉴别也显得力不从心，所以研发更加深层次的鉴别技术以及自动化智能化鉴别设备，逐渐成为进出口水产品品种鉴别发展的重要方向。

3.常见的5种进出口水产品品种鉴别技术。（1）普通PCR技术。PCR技术也叫聚合酶链式反应，作为一种分子生物学技术，主要用于对特定DNA进行放大。在实际应用过程中，主要是通过合成引物，结合DNA聚合酶的作用，从而完成对特异性片段的测定，进而确定水产品的种属。

（2）多重PCR技术。主要是在普通PCR技术的基础上进行研发的一种新型扩增技术，核心在同一反应体系中加入多对引物，从而对DNA片段进行扩增。这种技术可以满足多个物种的同时检测，可以进一步提升水产品品种鉴别的效率。

（3）实时定量PCR技术。这项技术是近年来刚刚兴起的一种分子检测技术，主要是用PCR反应液、耐热DNA聚合酶、4种脱氧核酸苷酸等成分，同时在 PCR反应体系中加入荧光基团，利用荧光信号的积累实时监测整个PCR进程，最后通过扩增曲线对未知模板进行定性或定量分析的方法。

（4）DNA条形码技术。DNA条形码技术其实主要是以染色体组为基础，以一段标准的DNA序列为参考，用比对的方式，从而快速准确地实现品种鉴定。这是一种自动性很高的生物鉴别技术，与超市扫描条形码识别商品具有一定类似性。

（5）环介导等温扩增技术。这项技术是一种新型的核酸扩增技术，在实际运用过程中，通过在恒温条件下保温十几分钟，就可以完成核酸的扩增，具有造价低、操作简单、效率快等优势，是目前应用比较广泛的一种生物鉴别技术。

三、基于深度学习的进出口

水产品品种鉴别技术分析

1.建立数据库。在进行品种鉴别的过程中，标准数据库的建立是鉴别技术开展的基础，主要是指对某一品种的标准特征数据进行收集，并归档处理到数据存储器中，从而为后续数据分析结果的比对提供参考，是确保品种鉴别的基础和前提。因此，在采用基于深度学习的进出口水产品品种鉴别技术时，可以先从数据库的建立入手，通过基础深度学习理论，构建一个动态的数据库模型，在初始数据储存的基础上，既可以满足手动数据填充，还可以满足深度学习状态下数据库的自我填充，从而有效确保进出口水产品品种鉴别的准确性和全面性。

在数据库的构建过程中，第一步要设置传统的数据库架构模型，这一架构主要是基础数据的收集和储存，基于当前进出口水产品的实际品种情况，在水产品类别分类的基础上，对每一个品种水产品的数据信息进行收集和储存，包括形态、生物状态、DNA片段、核酸数据等内容。在进行数据收集时，要尽量全面，可以通过不同状态的表现进行多项数据收集和储存，从而确保后续鉴别比对的准确性。第二步要设置基于深度学习的动态数据库架构模型。在实际设置过程中，基于深度学习的神经网络特点和优势，在数据库进行相应构建，在满足手动数据填充的同时，还可以满足深度学习状态下数据库的自我填充。数据的自我填充，主要是基于深度学习的神经网络，在鉴别过程中对一些存在鉴别模糊、数据不准确等特殊情况进行自主学习填充，从而自动细化分类储存到对应数据库之中，进而有效提升进出口水产品品种鉴别的准确性和全面性。

2.优化基础深度学习的数据提取环节。进出口水产品品种鉴定与传统的生物品种鉴别有所不同，后者大都是对单一产品进行鉴定，并且大部分鉴定只需要从形态和生物形态角度入手即可。但是进出口水产品的鉴定，不仅过规模大、数量多、品种多，并且大部分品种无法根据形态和生物形态进行鉴别，这给进出口水产品品种鉴别带来了很大的困难，尤其是数据的提取，如何选取鉴别样本是確保鉴别准确性的关键。因此，在利用基于深度学习的进出口水产品品种鉴别技术时，可以从数据提取环节入手，充分发挥深度学习模拟人脑行为计算的优势，进而有效提升进出口水产品品种鉴别的有效性和准确性。

在对数据进行优化的过程中，首先是针对根据形态和生物形态就可以进行鉴定的水产品品种。对这一品种进行鉴定时，智能机器人在深度学习神经网络的分析下，可以直接利用自身的图像收集系统，进行大规模扫描，从而避免把简单事情复杂化，进而在确保进出口水产品品种鉴定準确性的基础上，有效提升鉴定效率。其次是针对形态和生物形态差别不大，但是DNA片段差异较大的进出口水产品品种。对这类品种进行鉴定时，也是通过智能机器人的深度学习神经网络分析，从而确定数据提取的实际方式，进而开展有针对性的数据提取，从而进一步增强进出口水产品品种鉴别的效率和质量。最后，是针对形态、生物形态和DNA片段差异都不是很大的进出口水产品。在进行这一类水产品品种鉴定时，需要进行多方面数据的比对，并且数据提取的规模相对也比较大，需要进行更加细致的针对性鉴别，从而有效确保进出口水产品品种鉴别的准确性和全面性。

3.与大数据技术融合，进一步提升品种鉴别的水平。在进行进出口水产品品种鉴别时，最为困难的部分还是一些新品种的界定和鉴别，由于缺少有效的数据支撑，所以使得鉴别难度较大。因此，在利用基于深度学习的进出口水产品品种鉴别技术时，可以通过与大数据技术进行融合，发挥大数据技术的优势，从而在满足大规模鉴别的同时，有效提升进出口水产品品种鉴定的准确性与有效性。

在实际应用过程中，主要是利用深度学习Caffe框架，先对进出口水产品品种进行分类，充分发挥Caffenet模型的大规模分类能力，在此基础上，再配合大数据技术的检索功能，从而实现对进出口水产品按照相应标准进行分类。另外，在对新品种进行鉴定时，可以利用深度学习神经网络，以大数据技术为依托，背靠互联网中的海量知识储备，对新出现的品种进行完善，从而完成品种鉴定。

总之，在利用基于深度学习的进出口水产品品种鉴别技术时，不仅要对深度学习的内容和特点有全面了解，还需要结合当前进出口水产品品种鉴别的实际现状，充分发挥深度学习的优势，从而有效解决当前进出口水产品品种鉴别中存在的难点问题，促进进出口水产品品种鉴定的优化与发展。

基金项目：2020年度青岛海关科研项目（Qk202024）。

作者简介：刘晓静（1977-），女，汉族，山东荣成人，大学本科，工程师，研究方向为进出口水产品检验检疫与监督管理。