典型文献
基于机器学习算法的牡蛎肥满度分类
文献摘要：
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.
文献关键词：
牡蛎;肥满度分类;数字图像处理;外部形态特征提取;机器学习;最大信息系数
中图分类号：
作者姓名：
曹先庆;王志鹏;吴富村
作者机构：
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
文献出处：
引用格式：
[1]曹先庆;王志鹏;吴富村-.基于机器学习算法的牡蛎肥满度分类)[J].食品安全质量检测学报,2022(17):5511-5517
A类：
肥满度分类,外部形态特征提取
B类：
基于机器学习,机器学习算法,牡蛎,围下,数字图像处理技术,粗糙度,伸长率,紧密度,长轴,特征指标,random,forest,RF,梯度提升决策树,gradient,boosting,decision,tree,GBDT,识别模型,识别分类,能取,识别率,快速有效,最大信息系数
AB值：
0.226261
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
