结合特征选择技术和神经模糊系统来预测牛肉片中可行的总数,使用多谱成像

科学领域:

• 食品科学 食品科学 食品科学
• 微生物学 微生物学
• 图像处理 图像处理
• 机器学习 机器学习

背景情况:

• 食品质量和安全对于消费者健康至关重要.
• 对于快速质量评估而言,非侵入性感官技术越来越重要.
• 多光谱成像是食品检查的一个有前途的技术.

研究的目的:

• 开发一种基于堆叠的集体预测系统,用于牛肉片中微生物的可活性总数.
• 为了利用多谱成像数据来预测肉类腐烂.
• 探索一种特征融合方法,将各种特征选择技术的波长结合起来.

主要方法:

• 基于堆叠的集体预测系统的开发.
• 使用多光谱成像来获取数据.
• 特征融合方法结合了来自多种特征选择技术的波长.
• 使用基于集群的神经模糊网络预测模型 (平均反射率和像素强度的标准偏差).
• 与回归算法进行比较:多层感知子,支向量机和部分最小平方.

主要成果:

• 拟议的系统成功地预测了牛肉片中微生物的可活性总数.
• 功能融合方法提高了预测准确度.
• 神经模糊模型在评估微生物质量方面表现强.
• 在这个应用中,整体系统的性能优于传统的回归算法.

结论:

• 选择特征方法和神经模糊模型的组合是评估肉类微生物质量的有效方法.
• 多光谱成像与先进的机器学习相结合,为食品安全监测提供了一种可行的非侵入性方法.
• 开发的系统为食品行业提供了一个有价值的工具,以确保产品的质量和安全.