一种基于多任务学习与迁移学习的鸡肉变质标志物筛选与AICAR预测方法及其系统

本发明提供了一种基于多任务学习与迁移学习的鸡肉变质标志物筛选与AICAR预测方法及其系统。该方法通过选择不同存储条件和货架期的鸡肉样本，采集多批次的代谢物数据，并利用高效液相色谱(HPLC)、气相色谱‑质谱(GC‑MS)和液相色谱‑质谱(LC‑MS)等技术对代谢物进行定量分析。通过多任务学习模型对多种差异代谢物进行深度挖掘，提升了预测精度和计算效率。根据AICAR预测值提供鸡肉储存期优化建议。此创新方法与系统能够显著提高鸡肉质量评估的科学性和准确性，具有广泛的应用前景，特别适用于食品质量监控、供应链管理和智能化储运领域。