基于高光谱和频谱特征的注水肉识别方法

摘要：

为实现注水肉快捷有效的识别,以猪肉为研究对象,利用高光谱技术分析了注水肉和正常肉的光谱特征,通过傅里叶变换的方法,提取样本的频谱特征参数,然后分别基于猪肉样本的全光谱、特征光谱和频谱特征参数,分别建立正常猪肉和注水猪肉的支持向量机(SVM)和BP神经网络分类识别模型,并采用验证集对模型性能进行试验验证.结果 表明,基于频谱特征参数建立的神经网络分类识别模型具有最优的分类识别效果,正确识别率达98.8％;基于特征光谱建立的神经网络分类识别模型分类识别效果次之,正确识别率为96.4％;而基于全光谱建立的支持向量机分类识别模型分类识别效果最差,正确识别率只有84.5％.说明采用高光谱技术可以对注水猪肉进行快速而有效的检测识别.

关键词：注水肉、高光谱、频谱特征、支持向量机、BP神经网络

所属期刊栏目：50

分类号：TP391.44;O433.4(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金项目KYZ201759

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：367-372,366