基于IPLS-XGBoost算法的可见-近红外光谱鸡蛋新鲜度高效准确检测技术研究 |
| |
引用本文: | 张美志,张宁,乔聪,许黄蓉,高博,孟庆扬,鱼卫星.基于IPLS-XGBoost算法的可见-近红外光谱鸡蛋新鲜度高效准确检测技术研究[J].光谱学与光谱分析,2023(6):1711-1718. |
| |
作者姓名: | 张美志 张宁 乔聪 许黄蓉 高博 孟庆扬 鱼卫星 |
| |
作者单位: | 1. 西安邮电大学电子工程学院;2. 中国科学院西安光学精密机械研究所中国科学院光谱成像技术重点实验室 |
| |
基金项目: | 国家自然科学基金项目(62061160448,61975231,61875165)资助; |
| |
摘 要: | 针对传统光谱法检测鸡蛋新鲜度存在的效率低、准确率不够高等问题,提出采用可见-近红外光谱结合极度提升树(XGBoost)等算法对鸡蛋新鲜度分类进行研究,以期在保证足够高准确度的同时大幅提高检测效率。将不同储存条件下的鸡蛋作为样本,并分别划分为训练集和测试集,采用训练集的综合评价指标(F-measure)和准确率(Accuracy)评估分类模型的性能。具体地,首先利用可见-近红外光谱系统采集鸡蛋的反射光谱,将所得的光谱数据经过不同预处理后再结合随机森林(random forest, RF)、偏最小二乘(partial least squares, PLS)、支持向量机(support vector machine, SVM)、多层感知机(muhi-layer perception, MLP)以及XGBoost等分类算法构建鸡蛋新鲜度分类评估模型,并对比各模型性能指标。分析结果发现,经Savitzky-Golay一阶导(Savitzky Golay first-order derivative, SG-1st-Der)预处理后的RF、 SVM、 XGBoost模型和经标...
|
关 键 词: | 可见/近红外光谱技术 XGBoost算法 区间偏最小二乘法 鸡蛋新鲜度 |
|
|