文献

J-GLOBAL ID：202202225638971011   整理番号：22A0991210

幅学習のエビ新鮮度検出方法【JST・京大機械翻訳】

Shrimp Freshness Detection Method Based on Broad Learning System

著者 (6件)： Ye Rongke (中国農業大学信息与電气工程学院,北京 100083) ,  Kong Qingchen (中国農業大学信息与電气工程学院,北京 100083) ,  Li Daoliang (中国農業大学信息与電气工程学院,北京 100083;国家数字漁業創新中心,北京 100083) ,  Chen Yingyi (中国農業大学信息与電气工程学院,北京 100083;国家数字漁業創新中心,北京 100083) ,  Zhang Yuquan (中国農業大学信息与電气工程学院,北京 100083) ,  Liu Chunhong (中国農業大学信息与電气工程学院,北京 100083;国家数字漁業創新中心,北京 100083)
資料名： Guangpuxue yu Guangpu Fenxi  (Guangpuxue yu Guangpu Fenxi)
巻： 42  号： 1  ページ： 164-169  発行年： 2022年 
JST資料番号： C2093A  ISSN： 1000-0593  CODEN： GYGFED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： エビの新鮮度判別の精度を改善するために,幅学習(BLS)に基づくエビ新鮮度検出法を提案した。最初に,多重散乱補正(MSC),標準正規変数補正(SNV),および直接直交信号補正(DOSC)を用いて,異なる冷蔵日数のエビのオリジナルハイパースペクトルを前処理し,次に,t分布ランダム近傍埋込み(t-SNE)を用いて,前処理後のデータを可視化した。可視化結果は,DOSCクラスタリングが最良であることを示した。次に,ランダムフォレスト(RF),主成分分析(PCA)および二次元相関分光分析(2D-COS)を用いて,DOSC前処理後のスペクトルデータの特徴選択を行った。最後に,選択した特徴波長に基づいてエビの新鮮度をモデル化した。幅学習(BLS)をエビ新鮮度モデリングに初めて利用し,部分最小二乗判別(PLS-DA)と限界学習機械(ELM)などの古典的判別モデルと比較した。研究結果は,RF法がスペクトルにおける冗長性情報を最大限に除去し,BLSは線形モデリング法PLS-DAおよび非線形モデリング法ELMよりも精度が高く,判別時間が短いので,RF-BLS組合せモデルは最適新鮮度判別効果が得られることを示した。結果は,エビの新鮮度識別のためのハイパースペクトル画像技術と幅学習の組合せが実現可能であり,エビ新鮮度システムのオンライン検出のための理論的基礎を提供することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  可視化 ,  スペクトル ,  クラスタ化 ,  モデリング ,  冷蔵 ,  モデル ,  二次元 ,  スペクトル画像 ,  t分布 ,  主成分分析 ,  部分最小二乗法
準シソーラス用語： ハイパースペクトル ,  ハイパースペクトル画像 ,  オンライン ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 分光分析  (CC03012W)

タイトルに関連する用語 (4件)： 学習 ,  エビ ,  新鮮度 ,  検出方法