基于可见-近红外光谱的鸡只粪便分类判别

摘要：

鸡只粪便的性状是反映鸡只健康状况的重要特征之一,不同性状的鸡便往往与特定的疾病相关联.针对鸡只粪便性状主要依靠人工监测,存在速度慢且易发生交叉感染等问题,该研究提出一种基于可见-近红外光谱技术的鸡只粪便分类判别模型.首先,通过扫描 4类典型的鸡只粪便样本(正常粪便、红血丝粪便、绿色粪便和饲料粪便)在400～900 nm波段范围的光谱数据,对每一类别的鸡便样本按随机性原则以 3∶1划分为校正集和测试集.其次,分别采用多元散射校正、SG卷积平滑和标准差标准化进行数据预处理,并建立偏最小二乘判别分析模型,根据模型评价指标确定最优预处理方法.然后,使用主成分分析、竞争性自适应重加权采样、改进的混合蛙跳 3种方法对预处理后的样本进行数据降维,并最终建立分类判别模型.结果表明:基于模型评价指标确定最优数据预处理方法后,再采用改进后的混合蛙跳降维方法建立的判别模型区分正常粪便、红血丝粪便、绿色粪便表现最优,测试集判别准确率分别为92.27%、92.59%、100%;而对于饲料粪便,所选 3种降维方法建立的判别模型,其测试集准确率均可达 100%.因此,通过可见-近红外光谱检测手段,结合特征波长优选与偏最小二乘判别分析,可以有效判别不同类型的鸡只粪便,为实现鸡病智能化监测提供技术支持.

关键词：光谱、判别分析、鸡只粪便、偏最小二乘判别分析、特征波长优选、分类判别、可见-近红外光谱

所属期刊栏目：39

分类号：S858.31(动物医学（兽医学）)

资助基金：国家重点研发计划2017YFE2122200

在线出版日期：2023-11-13（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：200-206