摘要
牛奶是一种极为复杂的胶体系统，其物理化学稳定性取决于乳脂球、酪蛋白微粒、与膜相关的磷脂以及体细胞成分的排列方式。离心等机械分离过程会导致牛奶基质中分散的胶体成分重新分布并引发结构变化，这可能使人们在不改变整体成分参数的情况下，欺骗性地降低体细胞计数。在本研究中，我们探讨了是否可以利用深度学习技术，通过显微镜图像来识别牛奶在离心处理后产生的结构变化。我们使用了Swin Transformer V2和ConvNeXt-Base这两种模型，对16,472张来自经过离心处理和未经过离心处理的牛奶样本的显微镜图像进行了分析。这两种模型均成功检测出了与离心相关的结构变化，且性能远优于之前使用的InceptionC基准模型。ConvNeXt-Base模型的分类准确率为87.30%，平衡准确率为86.85%，经logit聚合后的召回率调和平均值为86.59%。值得注意的是，Swin Transformer V2在logit指标与离心比率之间呈现出较强的单调关系（r = 0.640–0.651，p < 0.01），这说明该模型能够灵敏地捕捉到随着离心比率增加而产生的图像级变化。总体而言，这些研究结果表明，基于显微镜数据的深度学习模型能够捕捉到牛奶因离心处理而产生的结构变化信息，从而证明了人工智能辅助显微镜技术在检测复杂乳制品系统中的加工相关变化方面的应用潜力。
