基于机器学习算法的牡蛎肥满度分类
文献类型：CNKI期刊论文
| 作者 | 曹先庆; 王志鹏; 吴富村 |
| 发表日期 | 2022-09-15 |
| 出处 | 食品安全质量检测学报
 |
| 关键词 | 牡蛎 肥满度分类 数字图像处理 外部形态特征提取 机器学习 最大信息系数 |
| 英文摘要 | 目的 基于机器学习算法,对同样重量范围下的牡蛎按照肥满度高低进行分类。方法 首先利用数字图像处理技术提取牡蛎外部形态特征,获得牡蛎的粗糙度、伸长率、紧密度、长轴、短轴、面积等特征指标作为参数。然后利用机器学习算法在数据分析上的强大功能,采用随机森林(random forest,RF)算法与梯度提升决策树(gradient boosting decision tree, GBDT)算法分别构建肥满度识别模型。最后,将模型用于不同重量范围的牡蛎样本,对牡蛎进行肥满度识别分类。结果 对于0～50 g的牡蛎, RF算法能取得较好的效果,肥满度识别率达到79.3%, 50～100 g的牡蛎, GBDT算法的肥满度识别率达到86.4%。结论 相对于传统的按照重量对其肥满度分类而言,本方法能够快速有效地识别出相同重量范围下牡蛎肥满度的高低,为牡蛎分类提供了新的方法。 |
| DOI标识 | 10.19812/j.cnki.jfsq11-5956/ts.2022.17.006 |
| 文献子类 | CNKI期刊论文 |
| 资助机构 | 中国科学院战略性先导科技专项(XDA24030105) ; 国家自然科学基金项目(62176140)~~ |
| 卷 | v.13期:17页:79-85 |
| 语种 | 中文; |
| 分类号 | S141.3;TP181;TP391.41 |
| ISSN号 | 2095-0381 |
| 源URL | [http://ir.qdio.ac.cn/handle/337002/187324]  |
| 专题 | 中国科学院海洋研究所 |
| 作者单位 | 1.中国科学院海洋研究所实验海洋生物学重点实验室 2.沈阳化工大学信息工程学院 |
| 推荐引用方式 GB/T 7714 | 曹先庆,王志鹏,吴富村. 基于机器学习算法的牡蛎肥满度分类. 2022. |
入库方式： OAI收割
来源：海洋研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。