基于机器学习算法的牡蛎肥满度分类

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...

Full description

Saved in:
Bibliographic Details
Published in食品安全质量检测学报 Vol. 13; no. 17; pp. 5511 - 5517
Main Authors 曹先庆, 王志鹏, 吴富村
Format Journal Article
LanguageChinese
Published 沈阳化工大学信息工程学院,沈阳 110142%中国科学院海洋研究所实验海洋生物学重点实验室,青岛 266071 2022
Subjects
牡蛎
机器学习
肥满度分类
最大信息系数
外部形态特征提取
数字图像处理
Online AccessGet full text
ISSN2095-0381

Cover

More Information
Summary: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.
ISSN:2095-0381