Preview

Журнал прикладной спектроскопии

Расширенный поиск

КЛАССИФИКАТОР ДЛЯ ОБНАРУЖЕНИЯ ЗАГРЯЗНЕНИЙ НА КУРИНЫХ ТУШКАХ В ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЯХ, ОСНОВАННЫЙ НА АЛГОРИТМЕ ПОСЛЕДОВАТЕЛЬНЫХ ПРОЕКЦИЙ И ЛИНЕЙНОЙ МНОГОФАКТОРНОЙ РЕГРЕССИИ

Полный текст:

Аннотация

Разработан классификатор для автоматического обнаружения загрязняющих веществ на куриных тушках, основанный на алгоритме последовательных проекций (АПП) и многомерной линейной регрессии (МЛР) и использующий пороговое значение оптимальной производительности. Гиперспектральные изображения для калибровки и проверки получены с помощью гиперспектральных систем визуализации. Регрессионная модель классификатора создана на основе 12 характерных длин волн (505, 537, 561, 562, 564, 575, 604, 627, 656, 665, 670 и 689 нм), выбранных с помощью АПП. Оптимальный порог Т = 1 получен из анализа рабочей характеристики приемника. Классификатор АПП-МЛР показывает лучшие результаты в обнаружении загрязнений по сравнению с классификатором, основанным на АПП и частичной регрессии с использованием метода наименьших квадратов, и с классификатором на основе векторной машины, использующей метод наименьших квадратов. Количество истинно положительных решений, приближающееся к 100%, при ложных срабатываниях (0.392%) указывает на то, что классификатор АПП-МЛР может использоваться для эффективного обнаружения загрязняющих веществ на куриных тушках.

Об авторах

W. . Wu
Инженерный колледж, Нанкинский сельскохозяйственный университет
Россия


G. Y. Chen
Инженерный колледж, Нанкинский сельскохозяйственный университет
Россия


R. . Kang
Инженерный колледж, Нанкинский сельскохозяйственный университет
Россия


J. C. Xia
Чанчжоуский текстильный институт швейной технологии
Россия


Y. P. Huang
Инженерный колледж, Нанкинский сельскохозяйственный университет
Россия


K. J. Chen
Инженерный колледж, Нанкинский сельскохозяйственный университет
Россия


Список литературы

1. http://www.consumerreports.org/cro/magazine/2014/02/the-high-cost-of-cheap-chicken/index.htm (2014).

2. F. Lawrence, A. Wasley, and R. Ciorniciuc, The Guardian (2014); http://www.theguardian.com/world/2014/jul/23/-sp-revealed-dirty-secret-uk-poultry-industry-chicken-campylobacter.

3. USDA, Final rule.9CFR part 304. Fed. Regist., 61, 38805-38989 (1996).

4. W. R. Windham, D. P. Smith, B. Park, K. C. Lawrence, P. W. Feldner, Trans. ASAE, 46, 1733-1738 (2003).

5. Y. R. Chen, W. R. Hruschka, H. Early, J. Food Process Eng., 23, 89-99 (2000).

6. Z. Xiong, D.W. Sun, A. Xie, Z. Han, L. Wang, Food Chem., 175, 417-422 (2015).

7. S. A. Hawkins, B. Bowker, H. Zhuang, G. Gamble, R. Holser, J. Food Res., 3, 57-65 (2014).

8. D. Alexandrakis, G. Downey, A. G. M. Scannell, Food Bioprocess Tech., 5, 338-347 (2012).

9. B. Park, K. C. Lawrence, W. R. Windham, R. J. Buhr, Trans. ASAE, 45, 2017-2026 (2002).

10. B. Park, K. C. Lawrence, W. R. Windham, D. P. Smith, J. Food Eng., 75, 340-348 (2006).

11. B. Park, S.-C. Yoon, W. R. Windham, K. C. Lawrence, M. S. Kim, K. Chao, Sens. Instrum. Food Qual. Saf., 5, 25-32 (2011).

12. W. R. Windham, D. P. Smith, M. E. Berrang, K. C. Lawrence, P. W. Feldner, Int. J. Poult. Sci., 4, 657-662 (2005).

13. W. Wu, G. Y. Chen, J. C. Xia, C.W. Ye, K. J. Chen, Spectrosc. Spect. Anal., 34, 3363-3367 (2014).

14. S. C. Yoon, B. Park, K. C. Lawrence, W. R. Windham, G. W.Heitschmidt, Comput. Electron. Agric., 79, 159-168 (2011).

15. G. W. Heitschmidt, B. Park, K.C. Lawrence, W. R. Windham, D. P. Smith, Trans. ASABE, 50, 1427-1432 (2007).

16. S. Kang, K. Lee, J. Son, M. S. Kim, Proc. Food Sci., 1, 953-959 (2011).

17. K. C. Lawrence, W. R. Windham, B. Park, R. J. Buhr, J. Near Infrared Spectrosc., 11, 269-281 (2003).

18. C. D. Everard, M. S. Kim, H. Lee, J. Food Eng., 143, 139-145 (2014).

19. M. C. U. Araújo, T. C. B. Saldanha, R. K. H. Galvão, T. Yoneyama, H. C. Chame, V. Visani, Chemometr. Intell. Lab. Syst., 57, 65-73 (2001).

20. R. K. H. Galvão, M. C. U. Araújo, W. D. Fragoso, E. C. Silva, G. E. José, S. F. C. Soares, H. M. Paiva, Chemometr. Intell. Lab. Syst., 92, 83-91 (2008).

21. C. E. Metz, Semin. Nucl. Med., 8, 283-298 (1978).

22. L. D. Stefano, A. Bulgarelli, Int. Conf. Image Anal. Process., 322-327 (1999).


Рецензия

Для цитирования:


Wu W..., Chen G.Y., Kang R..., Xia J.C., Huang Y.P., Chen K.J. КЛАССИФИКАТОР ДЛЯ ОБНАРУЖЕНИЯ ЗАГРЯЗНЕНИЙ НА КУРИНЫХ ТУШКАХ В ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЯХ, ОСНОВАННЫЙ НА АЛГОРИТМЕ ПОСЛЕДОВАТЕЛЬНЫХ ПРОЕКЦИЙ И ЛИНЕЙНОЙ МНОГОФАКТОРНОЙ РЕГРЕССИИ. Журнал прикладной спектроскопии. 2017;84(3):510(1)-510(7).

For citation:


Wu W..., Chen G.Y., Kang R..., Xia J.C., Huang Y.P., Chen K.J. SUCCESSIVE PROJECTIONS ALGORITHM-MULTIVARIABLE LINEAR REGRESSION (SPA-MLR) CLASSIFIER FOR THE DETECTION OF CONTAMINANTS ON CHICKEN CARCASSES IN HYPERSPECTRAL IMAGES. Zhurnal Prikladnoii Spektroskopii. 2017;84(3):510(1)-510(7). (In Russ.)

Просмотров: 123


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0514-7506 (Print)