换一批基于改进LightGBM的冷鲜羊肉新鲜度无损检测分类
A Non-destructive Detection Classification Method for Chilled Mutton's Freshness Based on Improved LightGBM Model
摘要为了实现羊肉新鲜度的快速、无损检测分类.该研究首先通过结合多种新鲜度指标与高光谱数据构建了冷鲜羊肉新鲜度的原始数据集,并采用不同的预处理方法对其建立支持向量回归(Support Vector Regression,SVR),确定了最佳的预处理方法.然后利用基于随机森林的递归特征消除和自编码器混合的特征选择方法对经预处理后的数据集进行波段选择,对选择后的特征数据集建立轻量梯度提升机(Light Gradient Boosting Machine,LightGBM),以实现冷鲜羊肉新鲜度检测.由于传统的LightGBM模型在处理高维、稀疏的光谱数据时,分类性能不高且缺少泛化能力.故该文提出一种基于混合蝙蝠算法和星鸦算法的多策略优化方法对LightGBM进行改进,将改进后的LightGBM与改进前LightGBM、XGBoost、支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)等分类方法进行对比分析,并在不同规模的数据集上进行验证.结果表明:多策略改进后LightGBM的新鲜度等级分类精度达到了0.988 1,相比于未改进的模型提升了3.57%,查准率、召回率和F1分值分别为0.988 6、0.988 2 和0.988 3,均优于其他分类方法.且模型在检测不同规模数据集的新鲜度等级时,其分类准确率稳定在 0.984 0～0.989 0,说明其具有良好的泛化性和鲁棒性.综上证明了该文提出的改进后LightGBM模型的有效性.为实现快速、无损的冷鲜羊肉新鲜度检测分类提供了一种新方法.
更多相关知识
栏目名称
DOI
10.13982/j.mfst.1673-9078.2026.1.1439
发布时间
2026-03-31（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
