基于LS-SVM高光谱成像鱼新鲜度鉴别.pdfVIP

第３４ 卷第 ２ 期 华 东 交 通 大 学 学 报 Vol . ３４ No . ２ ２０１７ 年 ４ 月 Journal of East China Jiaotong University Ａpr . ， ２０１７ 文章编号 ： （ ） １００5-０5２３ ２０１７ ０２-０１０5-０７ 基于 LS-SVM 高光谱成像鱼新鲜度鉴别 章海亮 ，叶 青 ，罗 微 ，刘雪梅 （华东交通大学电气与自动化工程学院 ，江西 南昌 ３３００１３ ） 摘要 ：基于高光谱成像光谱信息的鱼新鲜度 （鱼不同冷冻时间以及冻融次数 ）鉴别 。 首先 ，提取鱼样本感兴趣区域 （region of in- terest, ROI ）光谱 ，分别采用蒙特 卡罗无信息变量消除 （Monte Carlo free information variable elimination, MCVE ），连续投影算法 （successive projections algorithm ，SPＡ ）和随机青蛙算法 （random frog ，RF ）提取特征波长 ，三种算法分别得到 ９０ ，３１ 和 ４９ 个特征 变量 ，采用最小二乘支持向量机作为分类模型 ，将 ９０ ，３１ 和 ４９ 个特征变量作为 LS-SVM 模型的输入变量建立分类模型 ，基于 SPＡ-LS-SVM 和 MCVE-LS-SVM 模型预测集识别率都达到了 ９8% ， 而采用 RF-LS-SVM 建立的模型取得了较差的预测结果 ， 模型预测集识别率都只是达到了 88%。 结果表明 ，SPＡ-LS-SVM 作为分类模型优于其他模型 ，SPＡ 选择的特征波长 ，不但可以 简化模型 ，还可以提高模型 的预测精度 ，基于高光谱成像技术可以用于鱼新鲜度 （鱼不同冷冻时间以及冻融次数 ）鉴别 。 关键词 ：蒙特卡罗无信息变量消除 ；连续投影 ；随机青蛙 ； LS-SVM 中图分类号 ： 文献标志码 ： O４３３ Ａ 随着人们消费水平的提高 ，多宝鱼由于其丰富的营养价值如低脂肪 ，高蛋白 ，富含多种维生素和矿物 质 ， 日益受到人们的青睐。 但是由于鱼类产品普遍具有水分含量高和易腐败特点 ，蛋白质在酶和微生物的综 合作用下 ，容易变质 ，致使鱼类产品品质下降 ，因此 ，鱼类产品的新鲜度的预测和判别就很重要[１-6] 。 目前，一 般采用微生物方法判别多宝鱼肉的新鲜度和剩余存储时间 ，这种方法尽管结果稳定可靠 ，但是这是一种破 坏性试验 ，操作人员需要经过专业训练 ，由于操作过程中要用到化学试剂 ，造成环境破坏 ，鱼肉也不能继续 食用 ，较长的检测时间也不能保证实时性[７] 。 近年来 ，采用高光谱成像技术对鱼类产 品的实时和无损检测进行的大量研究 ，相比较于物理化学法 ，高 光谱成像技术具有快速 、无损 、成本低和预测准确特点 ，在很多领域得到广泛应用[8-１１] 。 采用高光谱成像技术 获得的数据 ，图像上 的每一个像素点包含全波长范围 的光谱信息 ，可 以具体 到单个像素 级别的分 析 ，大大提 高 了分析精细度 ，可 以根据需要 ，在整个对 象 的面上寻找提取感兴趣区 域 ，获得对 象 的光谱数据 ，而采用近 红外光谱分析技术严格意义上说 ，只能提取对 象单个小区 域的平 均光谱数据 ，不能 同时提取对 象整个面上 区域的光谱数据 ，高光谱成像技术具有 图像分 析技术和光谱分 析技术的 双重优 点 ，在鱼类产品新鲜度分 析 领域具有非常大的潜力 ，其数据矩阵结构原理如 图 １ 所示 。 从图 １ 可知 ，高光谱数据块是一种 三维数据 ，在 每个波长上都有一 幅灰度 图像与之对应 ，在 图像上每个像素点都包括全谱 波长信息 。 本 文采用高光谱成像技术 鉴别多宝鱼的新鲜度 ，具 体 研究目的如 以下 点 ： 探寻 高光谱成像数据 ４ ① 的光谱信息