基于多标记深度森林算法的冷鲜羊肉新鲜度无损检测方法

羊肉新鲜程度受多种因素影响,其检测一般要从感官性状、分解的理化产物和微生物繁殖程度等方面进行.然而基于单一指标的羊肉新鲜度检测局限性大,适用性低,很难综合评价羊肉新鲜程度,而且传统检测方法操作复杂,效率低,不能满足日常实际需求.高光谱成像技术作为一种快速、无损、高效的检测技术,可以有效地获取冷鲜羊肉腐败过程中表面、内部组成和理化变化信息.提出一种基于改进深度森林算法的冷鲜羊肉新鲜度评价模型,增加特征筛选挖掘与多个评价指标相关的光谱信息,同时增加层增长控制有效防止模型过拟合.采集了 0～14天4 ℃贮藏环境中羊肉样本的400～1 000 nm高光谱数据,采用实验室方法测定了样本的挥发性盐基氮(TVB-N)、pH值、菌落总数(TAC)和大肠菌群近似数(ANC)指标值.选择感兴趣区域提取光谱数据,通过S-G平滑滤波法和多元散射校正法对原始光谱数据进行预处理,利用连续投影法提取了 18个特征波段.将数据集按照3:1划分为训练集和测试集;利用本文提出的改进深度森林算法建立新鲜度等级分类模型.结果表明,新鲜度等级分类总体精度为0.985 7,并利用hamming loss、one-error、ranking loss和marco-AUC四种多标记度量指标评价模型性能,分别为0.025 7、0.014 3、0.014 2和0.998 6,均优于传统多标记分类算法也表明,该多指标新鲜度评价模型可用于羊肉新鲜度的快速无损检测,改善了单一新鲜度检测指标模型分类的局限性,为后续高光谱成像技术的多指标无损检测提供了方法.