基于SVM核机器学习的三文鱼新鲜度检测系统

摘要：

为了实现对不同冷藏温度下三文鱼新鲜度的检测与识别,设计了一种用于三文鱼气味指纹采集与新鲜度辨识的电子鼻系统.电子鼻系统由密闭检测气室、半导体气体传感器阵列、数据采集模块、模式识别模块和显示界面等组成.电子鼻模式识别方法采用核机器学习方法,以支持向量机(SVM)作为学习机.采集0、4、6℃温度下冷藏三文鱼样本的气味数据,对不同核函数及参数的核机器学习模型进行训练与测试,最终确定了适于此电子鼻系统识别三文鱼新鲜度的最佳核机器学习模型:核函数选用多项式核函数,核参数q取3,γ取15,c取0.此模型对不同温度冷藏三文鱼样本的冷藏时间具有一定的辨识能力,对于测试集,0℃允许偏差1d预测正确率为92.86％,4℃无偏差预测正确率为88.89％、允许偏差1d预测正确率100％,6℃无偏差预测正确率为75.00％、允许偏差1d预测正确率100％.将辨识结果与主成分分析结果(PCA)进行对比,此模型具有明显的优势.

关键词：三文鱼、新鲜度、电子鼻、核机器学习

所属期刊栏目：50

分类号：S983(水产物运输、保鲜、贮藏、加工、包装)

资助基金：北京市重点研发计划项目Z181100001018033;中央高校基本科研业务费专项资金项目2019TC044

在线出版日期：2019-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：376-384