基于高光谱成像的香肠菌落总数回归预测及数据可视化

摘要

香肠的好坏有很多种评价指标,菌落总数(TVC)是其中的一种.高光谱成像技术已经成为一种快速、无损检测食品品质的有效方法.本文利用高光谱成像技术对香肠的菌落总数进行了定量分析,对数据进行了主成分分析(PCA),研究发现数据集中前四个主成分累计贡献率已达97.65％,已经可以反映出香肠所包含的绝大部分信息.对前四个主成分对应的优化区间采用高斯核函数的SVM回归模型进行预测,并为了提高回归预测模型的精确度,对模型的c,g参数,进行了遗传算法(GA)、网格搜索算法和粒子群算法(PSO)寻优对比,其中PSO寻优可使回归预测值和真实值的相关系数为0.9777,交互验证均方根误差为0.0823,能够准确快速的实现香肠菌落总数的预测.除此之外,利用python对回归预测的数据进行可视化,更加直观的显示菌落总数变化,且可以达到实时观看的效果.