基于随机蛙跳和支持向量机的牛乳收购分级模型构建

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》

肖仕杰 王巧华 李春芳 赵利梅 刘鑫雅 卢士宇 张淑君

摘要： 蛋白质、脂肪含量和体细胞数量作为牛乳收购中的重要参考指标，决定了牛乳的品质和价格。为 批量准确地对牛乳品质进行分级，提高乳企的生产效率，本研究以3216份荷斯坦牛牛乳样本为研究对象， 应用中红外光谱技术实现对收购过程中4种不同品质牛乳的检测分级。利用一阶导数和一阶差分对光谱进行 预处理，并结合竞争性自适应重加权算法（Competitive Adaptive Reweighted Sampling，CARS） 和随机蛙跳算 法（Shuffled Frog Leaping Algorithm，SFLA） 筛选出能代表不同牛乳的有效特征变量，建立支持向量机 （Support Vector Machine，SVM） 模型。其中，利用网格搜索法（Grid Search，GS）、遗传算法（Genetic Algo⁃ rithm，GA） 和粒子群算法（Particle Swarm Optimization，PSO） 对SVM模型的关键参数惩罚参数c和核 函数参数g进行优化。结果表明，SFLA算法总体上优于CARS算法，PSO优化SVM模型的效果最佳。一阶差 分预处理后，利用SFLA算法筛选特征变量建立的PSO-SVM模型，训练集准确率、测试集准确率和曲线下 面积（Area Under Curve，AUC） 分别为97.8%、95.6%和0.96489。该模型具有较高的准确率，在牛乳产业中 具有实际应用价值。

 点击量 318  下载量 115  评论