基于支持向量机及粒子群算法的腊肉品质等级检测

摘要：

针对近年来备受关注的腊肉酸价和过氧化值超标、褪色、出油、发黏等品质问题,提出一种快速、准确、实用的检测技术.采用支持向量机(support vector machine,SVM)将近红外光谱(near infrared spectroscopy,NIR)检测到的酸价、过氧化值、挥发性盐基氮和显微图像处理得到的微生物菌落总数进行多数据融合,建立腊肉品质等级检测模型,并利用粒子群优化(particle swarm optimization,PSO)算法进行模型优化.结果表明:支持向量机的分类方法取得了与生化方法相同的腊肉分级预测结果,且采用粒子群优化后的分类模型准确率由97.5%提升到100%.证明粒子群优化支持向量机模型能够迅速对腊肉等级进行准确检测.

关键词：腊肉品质、近红外光谱、图像处理、支持向量机、粒子群优化算法

所属期刊栏目：31

分类号：TS251.1(食品工业)

资助基金：国家自然科学基金项目61473009;北京市自然科学基金项目4122020

在线出版日期：2017-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：30-34