基于主成分分析和改進支持向量機的豬肉品質(zhì)識別

張保霞

(內(nèi)蒙古農(nóng)業(yè)大學職業(yè)技術學院,內(nèi)蒙古 呼和浩特 014100)

隨著經(jīng)濟的發(fā)展和生活水平的不斷提高，消費者和豬肉深加工商對豬肉的嫩度、顏色、pH值、堅實度和持水力等品質(zhì)指標越來越重視，因此對豬肉品質(zhì)進行分類識別具有重要的理論價值和實際意義[1]。受遺傳因素、環(huán)境因素、體外因素和品種差異等的影響，豬肉有2種劣質(zhì)肉：黑干肉和白肌肉。目前，正常肉、黑干肉和白肌肉的識別主要有屠宰后人工感官識別和化學分析，前者需要專業(yè)評價人員，具有很強的主觀性，評價結果重復性差，大批量檢測時存在勞動強度大的缺點。后者操作步驟復雜繁瑣，破壞性大、對操作人員專業(yè)技術要求較高，不適合在線檢測。賈淵等[2]提出了一種基于豬肉數(shù)字圖像顏色特征和支持向量機的豬肉分級方法，分級準確率達96.5%。Juan等[3]提出了逐步回歸法和典型判別分析法判別豬肉類別，紅肉和白肉的判別正確率為85%，但是正常肉和紅肉的判別精度較低。Qiao等[4]搭建了400～1 000 nm的生鮮豬肉高光譜圖像采集系統(tǒng)，并分別運用聚類分析和前向神經(jīng)網(wǎng)絡進行分類，聚類分析正確率為75%～80%，前向神經(jīng)網(wǎng)絡的正確率為85%。Monroy等[5]運用逐步回歸法選取豬肉光譜數(shù)據(jù)的有效波段，采用5倍交叉驗證法和留一交叉驗證法分別建立豬肉分類模型，2種方法的豬肉分類正確率分別為79%，80%。為了提高豬肉品質(zhì)識別的精度，試驗擬針對全波段近紅外光譜數(shù)據(jù)的豬肉品質(zhì)快速識別存在光譜數(shù)據(jù)量大、計算復雜度高的缺點，運用主成分分析法(PCA)對豬肉近紅外光譜數(shù)據(jù)進行特征波長篩選；……