改善了基于机器学习分析的蓝绿外的蛋的外颜色指数
Huanhuan Wang1, Yinghui Wei1, Lei Zhang1
1Hangzhou Academy of Agricultural Sciences, Hangzhou 310024, China.
Foods (Basel, Switzerland)
|September 13, 2025
概括
这项研究开发了一种新指数,L* - 4C*,用于分级蓝绿色蛋的颜色,其性能优于现有的方法. 线性判别分析模型准确地预测了蛋颜色的分类.
科学领域:
- 动物科学动物科学
- 测色仪的颜色测量方法
- 数据科学数据科学数据科学
背景情况:
- 蛋颜色是一个关键的商业特征,具有多种蓝绿色子类型.
- 需要客观的颜色测量来补充视觉分级.
研究的目的:
- 为了将CIELab颜色值与视觉蛋颜色分类相关联.
- 为蓝绿色蛋的分类制定简化指数.
主要方法:
- 测量CIELab值 (L*,a*,b*) 对2274个蓝绿色的蛋.
- 使用线性差别分析 (LDA),随机森林,SVM和NNET模型.
- 开发并比较简化的颜色索引.
主要成果:
- 在颜色分类方面,LDA模型表现出了卓越的性能.
- 新的指数L* - 4C*与视觉分类有很高的相关性 (-0.810).
- L* - 4C*显著超过了SCI指数 (p < 0.05).
结论:
- 对于预测蓝绿蛋颜色分类来说,LDA是最佳的.
- L* - 4C*指数为分类蓝绿色蛋提供了准确有效的方法.


