线路激光扫描与机器学习相结合,用于识别鱼头切割位置

科学领域:

• 农业工程 农业工程
• 计算机科学 计算机科学
• 数据科学数据科学数据科学

背景情况:

• 手工切割鱼头依赖于经验,阻碍了大规模生产.
• 需要自动化解决方案来满足工业对效率和准确性的需求.

研究的目的:

• 开发一种快速,无接触的方法来识别鱼头切割位置.
• 建立和比较机器学习模型,以准确识别切割点.

主要方法:

• 建造了一种线路激光数据采集系统,以收集鱼的表面数据.
• 主要组件分析 (PCA) 减少了数据尺寸.
• 长期和短期存储器 (LSTM),最小平方支持向量机器 (LS-SVM) 和粒子集群优化-反向传播 (PSO-BP) 网络用于模型开发.

主要成果:

• 在LSTM模型中,R2=0.9480,RMSE=0.2957,MAE=0.1933和RPD=3.1426.6的准确度最高.
• 开发的系统证明了可靠和快速识别鱼头切割位置.
• 机器学习与激光扫描的整合在自动化鱼类加工中被证明是有效的.

结论:

• LSTM模型为自动化鱼头切割位置识别提供了强大的解决方案.
• 这项技术可以指导智能鱼类加工和切割设备的开发.
• 将线路激光扫描与LSTM相结合,可提高鱼类预处理的精度和速度.