原创《基于支持向量机粒子群算法腊肉品质等级检测》：本论文可用于支持向量机论文范文参考下载，支持向量机相关论文写作参考研究。
摘 要：针对近年来备受关注的腊肉酸价和过氧化值超标、褪色、出油、发黏等品质问题,提出一种快速、准确、实用的检测技术.采用支持向量机（support vector machine,SVM）将近红外光谱（near infrared spectroscopy,NIR）检测到的酸价、过氧化值、挥发性盐基氮和显微图像处理得到的微生物菌落总数进行多数据融合,建立腊肉品质等级检测模型,并利用粒子群优化（particle swarm optimization,PSO）算法进行模型优化.结果表明：支持向量机的分类方法取得了与生化方法相同的腊肉分级预测结果,且采用粒子群优化后的分类模型准确率由97.5%提升到100%.证明粒子群优化支持向量机模型能够迅速对腊肉等级进行准确检测.
关键词：腊肉品质；近红外光谱；图像处理；支持向量机；粒子群优化算法
Predication of Chinese Bacon Quality Grades Based on Support Vector Machine and Particle Swarm Optimization Algorithm
GUO Peiyuan, LIU Yanfang*, XING Suxia, WANG Xinkun
（School of Computer and Information Engineering, Beijing Technology and Business University, Beijing 100048, China）
Abstract： In recent years, quality problems of Chinese bacon such as acid values and peroxide values exceeding the national standard, color fading, oil exudation and sticky feeling to the touch have received growing attention. With that in mind, a fast, accurate and practical detection method to evaluate Chinese bacon quality is presented in this paper. We established a predictive model for bacon quality detection by using the support vector machine （SVM） approach based on the near-infrared spectral data （acid value, peroxide value, volatile base nitrogen） and microscopic image data （the total number of microbial colonies）. Moreover, the model was optimized by using particle swarm optimization （PSO） algorithm. It was found that the prediction results of the SVM model and the biochemical method were consisted for bacon quality classification. Besides, the predictive accuracy of the classification mode was increased from 97.5% to 100% after optimization. The SVM model optimized by PSO proved to be able to quickly and accurately detect Chinese bacon quality.
Key words： Chinese bacon quality； near infrared spectroscopy （NIR）； image processing； support vector machine （SVM）； particle swarm optimization （PSO）
DOI：10.7506/rlyj1001-8123-201703006
中圖分类号：TS251.1 文献标志码：A文章编号：1001-8123（2017）03-0030-05
引文格式：
郭培源, 刘艳芳, 邢素霞, 等. 基于支持向量机及粒子群算法的腊肉品质等级检测[J]. 肉类研究, 2017, 31（3）： 30-34. DOI：10.7506/rlyj1001-8123-201703006. http：//www.rlyj.pub
GUO Peiyuan, LIU Yanfang, XING Suxia, et al. Predication of Chinese bacon quality grades based on support vector machine and particle swarm optimization algorithm[J]. Meat Research, 2017, 31（3）： 30-34. DOI：10.7506/rlyj1001-8123-201703006. http：//www.rlyj.pub
中国腊肉是世界饮食文化的宝贵遗产,腊肉以其独特的风味闻名于世,其制作工艺要求不高,在贮藏和运输过程中很容易出现质量问题.随着生活水平的提高,人们对食品安全的关注度也相应提高.腊肉主要成分包括脂肪和蛋白质,评价脂肪的降解指标是酸价和过氧化氢值,评价蛋白质的降解指标是挥发性盐基氮[1-3],这些也是传统饮食安全的主要检测指标.在实际腊肉样品检测中发现微生物菌落总数对腊肉的品质也有重要的影响[4].目前,对于腊肉品质的检测主要以理化检测为主,但是其检测时间过长,且具有破坏性,不利于卫生检疫部门对腊肉品质的快速检验,因此急需一种新型的快速准确实用的无损检测技术.
支持向量机论文参考资料：
结论：基于支持向量机粒子群算法腊肉品质等级检测为关于支持向量机方面的论文题目、论文提纲、支持向量机 原理论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
