机器学习在近红外光谱法判别鲍鱼品种研究中的应用

• 作者: 熊艳梅 闫红 闵志勇 闵顺耕 雷春丽 高婧娴 黄扬明
• 来源期刊: 中国农业大学学报
• 学科: 化学
• 关键词: 近红外光谱 鲍鱼 水产品 机器学习 分类回归树
• 年，卷（期）: 2018,（9）
• 页码范围: 166-170
• 页数: 5页
• 分类号: O657.61
• 语种: 中文
• DOI: 10.11841/j.issn.1007-4333.2018.09.20

摘要

为解决市场上鲍鱼产品缺乏科学分类方法的问题,利用近红外光谱分析技术结合机器学习方法对鲍鱼快速分类进行研究,使用MicroNIRTM 1700便携式近红外光谱仪采集3种鲍鱼,即绿盘鲍(25只)、红壳鲍(31只)、皱纹盘鲍(35只)的光谱数据,采用CART算法建立鲍鱼分类决策树模型,以模型对测试集样本的预测准确率衡量决策树模型优劣,分裂策略为在每个节点处选择Gini不纯度最大的方式进行分裂,通过交叉验证控制决策树深度.结果表明,对训练集180条光谱建立模型,采用5折交叉验证,模型准确率为90.00％,对测试集93条光谱的预测准确率为90.32％.本研究方法可以很好地区分绿盘鲍、红壳鲍和皱纹盘鲍,满足鲍鱼现场快速分类的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闵顺耕	中国农业大学理学院	82	1434	18.0	36.0
2	闵志勇	莆田学院环境与生物工程学院	16	76	4.0	8.0
3	闫红	中国农业大学理学院	28	495	13.0	21.0
4	熊艳梅	中国农业大学理学院	25	171	8.0	12.0
5	高婧娴	中国农业大学理学院	2	12	1.0	2.0
6	黄扬明	中国农业大学理学院	4	0	0.0	0.0
7	雷春丽	中国农业大学理学院	1	0	0.0	0.0