TY -的A2 Yebra-Biurrun玛丽亚卡门盟地产投机商-巴伯,地产投机商Sylvio AU -科斯塔巴伯,安娜Paula阿尤布达盟——多亏尤文和,拉斐尔•戈梅斯AU - Barbin道格拉斯·费尔南德斯PY - 2018 da - 2018/08/07 TI -机器学习应用于近红外光谱对鸡肉分类SP - 8949741六世- 2018 AB -鸡肉质量参数的识别往往是不一致的,费时、费力。近红外(NIR)光谱被用来作为食品质量评价的有力工具。然而,近红外(NIR)光谱包含大量的冗余信息。确定波长相关性和选择子集的分类和预测模型对多光谱系统的开发是强制性的。两者的结合属性和波长选择鸡肉样品的近红外光谱信息调查。决策树和决策表利用这些预测因素最优波长分类任务根据不同质量等级的禽肉。提出的方法进行了算法与支持向量机(SVM)比较该模型的精度。实验进行近红外光谱信息(1050波长),颜色(CIE) l ∗ 一个 ∗ b ∗ 、色度和色调),持水量(通车),和pH值的样本进行了分析。结果表明,最好的方法是基于12 REPTree波长,允许根据质量等级与家禽样本分类 77.2 % 精度。所选波长可能导致潜在的简单的多光谱采集设备。SN - 2314 - 4920你2018/8949741 / 10.1155——https://doi.org/10.1155/2018/8949741——摩根富林明——《光谱学PB - Hindawi KW - ER