改进型支持度函数的WSN水质监测数据融合方法

无线传感网络已被广泛应用到水质监测领域中,针对水质监测中对传感器数据高精度的要求,该研究提出一种基于支持度函数的数据融合算法。首先,对各传感器采集的数据进行一致性检测,保证数据的准确性;其次,采用改进的动态时间弯曲距离(Improved Dynamic Time Warping Distance, IDTW)对支持度函数(Support Function, SF)进行优化,实现水质参数时间序列数据间的互支持度计算;最后,通过加权算法完成数据的融合过程,实现错误数据的校正,获得高质量融合数据。该算法在水质监测平台中进行了试验,结果表明,IDTW-SF融合算法的平均绝对误差值为0.279 2%,融合精度较其他对比算法更高,且运行速度较快。IDTW-SF支持度融合算法能够有效弥补现有水质监测系统数据采集准确率低、效率低等缺陷,基于此方法的水质监测系统提高了溶解氧数据准确率,在降低水产养殖风险,提高养殖效率等方面发挥重要作用。     

基于时间相似数据的支持向量机水质溶解氧在线预测

为及时辨识集约化水产养殖水质变化趋势、动态调控水质,确保无应激环境下健康养殖,该文提出了基于时序列相似数据的最小二乘支持向量回归机(least squares support vector regression,LSSVR)水质溶解氧在线预测模型。采用特征点分段时间弯曲距离(feature points segmented time warping distance,FPSTWD)算法对在线采集的时间序列数据进行分段与相似度计算,以缩减规模的子序列数据集对LSSVR模型进行快速训练优化,实现了多个LSSVR子模型在线建模,将预测数据序列与LSSVR子模型的相似度匹配,自适应地选取最佳的子模型作为在线预测模型。应用该模型对集约化河蟹福利养殖水质参数溶解氧浓度进行在线预测,模型评价指标中最大相对误差、平均绝对百分比误差、相对均方根误差和运行时间分别为4.76%、8.18%、5.23%、8.32 s。研究结果表明,与其他预测方法相比,该模型具有较好的综合预测性能,能够满足河蟹福利养殖水质在线预测的实际需求,并为集约化水产养殖水质精准调控提供研究基础。     

集成随机配置网络在养殖水质监测中的应用

为解决集约化水产养殖过程水体氨氮浓度无法实时检测的问题,提出基于Bagging集成随机配置网络(stochastic configuration network,SCN)的建模方法,利用养殖过程采集的相关水质参数对养殖水体氨氮浓度进行软测量。该方法首先采用Bootstrap方式生成多个不同的训练子集,然后并行训练多个SCN模型,最后将各个SCN模型的输出结果取均值作为Bagging-SCN模型的输出。为验证方法的有效性,分别通过UCI标准数据库中的机翼自噪声数据集和集约化海水养殖过程数据集进行了仿真试验,将该研究提出的Bagging-SCN模型与单一SCN模型、以及目前应用最广泛的随机权向量函数连接网络(random vector functional-link net,RVFL)模型、Bagging-RVFL模型的测量效果进行了比较。试验结果表明:该文所提模型对机翼自噪声数据集中缩放声压级测量的均方根误差、平均绝对百分比误差和最大绝对误差分别为4.225 dB、2.599%和17.500 dB;在对集约化海水养殖过程中水体氨氮浓度测量的均方根误差、平均绝对百分比误差和最大绝对误差分别为0.0628 mg/L、27.851 mg/L和0.189 mg/L均优于其他测量模型;进一步说明该模型具有较高的测量精度和稳定性,更适合应用于集约化水产养殖水质监测过程。     

基于ASTER数据的近海水产养殖区提取方法

随着海洋遥感技术的迅速发展,利用各种遥感数据获取近海养殖信息,并研究近海养殖对海洋环境和渔业的影响,对合理开发海洋资源和保护海洋生态环境具有十分重要的意义。该文以山东省烟台市的邻近海域作为研究区,根据研究区ASTER遥感影像的光谱特征,首先构建一个水体指数,用于提取近海水产养殖区域;再构建一个波段运算函数,从整个海域中分离出与水产养殖区光谱接近的深海水域;将两次运算的结果相结合,得到消除了深海水域影响的近海水产养殖区域。精度评价结果表明：利用该研究提出的信息提取方法得到的水产养殖区域与实地调查结果基本一致     

基于窄带物联网的养殖塘水质监测系统研制

为了促进水产养殖信息化的发展,更加准确、便捷地对水产养殖塘进行监测,该文研发了一种基于窄带物联网(narrow band Internet of Things,NB-IoT)技术的养殖塘水质监测系统,实现了对多传感器节点信息(温度、pH值、溶解氧等环境参数)的远程采集和数据存储功能,以及对养殖塘的智能控制和集中管理。系统利用STM32L151C8单片机和传感器终端实时采集温度、pH值、溶解氧等水质信息,通过NB-IoT技术实现数据汇总和远距离传输至IoT电信云平台,Keil工具实现NB无线通信模组数据格式的设计以及数据的发送,Java用于开发访问云平台、控制底层设备和本地数据处理的后台监测应用,其既能够发送HTTP请求对云平台数据进行监测,也可以向底层控制模块下发命令,控制增氧机等设备的启动和关闭。试验结果表明:该系统可实时获取温度、pH值、溶解氧等水质参数信息,温度控制精度保持在?0.12℃,平均相对误差为0.15%,溶解氧控制精度保持在?0.55mg/L以内,平均相对误差为2.48%,pH值控制精度保持在?0.09,平均相对误差为0.21%。系统整体运行稳定,数据传输实时、准确,能够满足实际生产需要,为进一步水质调节和水产养殖生产管理提供了有力的数据和技术支持。     

激光诱导荧光水体叶绿素a浓度监测仪器研制

叶绿素a浓度是反映水质的重要参数之一，常作为水产养殖、渔场预测、环境保护等领域的重要评价指标。针对现有叶绿素a监测仪器实时性差、自动化程度低、环境干扰严重等问题，该研究以实时监测叶绿素a浓度为主要目标，提出了环境光校正算法和数据处理算法，设计了一种基于激光诱导荧光技术的水体叶绿素a浓度监测装置。该装置可向水体发射波长440 nm的激光，诱导激发叶绿素a产生中心波长680 nm的荧光，利用可见光传感器获取叶绿素a受激产生的680 nm荧光强度，即可实现对叶绿素a浓度的监测。以绿藻门小球藻和蓝藻门铜绿微囊藻为对象，利用680 nm荧光值和叶绿素a浓度的线性关系建立拟合模型，模型决定系数R²为0.99；基于统计分析法设计的数据处理可有效剔除误差数据，提高测量结果的稳定性；利用环境光校正算法可有效降低环境光对测量结果的干扰。在仪器稳定性试验中，通过测量激光模块的供电电流和光谱模块的440 nm通道光强值，4 min后两者的标准差系数均为0.001，皮尔逊相关系数为0.84，表明可通过控制电流强度控制激光输出。在性能验证试验中，2组不同光照强度和6组不同藻种的待测水样的平均测量误差在5.48%以内。研究结果可为水质监测领域提供设备支持。     

基于AT89C51水产养殖环境参数自动监测系统设计与实现

针对水产养殖中溶解氧、pH值、温度等重要水质参数的监测,采用PC机为上位机,AT89C51微控制器为下位机,设计了一种水产养殖环境参数自动监测系统。该系统实现了对溶解氧、pH值、温度的实时采集、显示和存储,同时还提供了超限报警、历史数据查询等功能。试验结果表明,系统运行稳定、能够准确地采集和显示水产养殖环境参数,且具有操作简便、界面友好、性价比高和易扩展等优点。     

基于无线传感器网络的水产养殖水质监测系统开发与试验

为解决目前水产养殖水质自动监测系统存在布线困难、灵活性差和成本高等问题,该文构建了基于无线传感器网络的水产养殖水质监测系统。该系统的传感器节点负责水质数据采集功能,并通过无线传感器网络将数据发送给汇聚节点,汇聚节点通过RS232串口将数据传送给监测中心。传感器节点的处理器模块采用MSP430F149单片机,无线通信模块由nRF905射频芯片及其外围电路组成,传感器模块以PHG-96FS型pH复合电极和DOG-96DS型溶解氧电极为感知元件,电源模块以LT1129-3.3、LT1129-5和Max660组成的电路提供3.3和±5V。设计了传感器输出信号的调理电路,将测量电极输出的微弱信号放大,满足A/D转换的要求。节点软件以IAR Embedded Workbench为开发环境,采用单片机C语言开发,实现节点数据采集与处理、无线传输和串口通信等功能。监测中心软件采用VB6.0开发,为用户提供形象直观的实时数据监测平台。对系统的性能进行了测试,网络平均丢包率为0.77%,pH值、温度和溶解氧的平均相对误差分别为1.40%、0.27%和1.69%,满足水产养殖水质监测的应用要求,并可对大范围水域实现水质环境参数的实时监测。     

“农业航空工程”专题导读

2017年4月22—24日,“国际工程科技发展战略高端论坛—农业航空技术”在北京召开,农业部农机化司李伟国司长在致辞中指出：农业航空技术是新兴的高端农业机械化技术,在现代农业生产中特别是航化作业、病虫害防治等方面发挥了越来越重要的作用。为全面、深入地了解中国农业航空行业的发展现状和趋势,反映行业面临的困难和问题,本刊特策划“农业航空工程”专题,共刊发8篇相关研究成果报道。 兰玉彬院士团队的研究综合分析了植保无人机旋翼风场分布特性、雾滴与无人机旋翼风场交互机理、雾滴沉降与飘移机理、雾滴与叶片表面的交互机理及雾滴分散和蒸发特性等国内外研究现状,并给出植保无人机施药技术的未来发展建议,对优化植保无人机结构、科学应用植保无人机、提高农药利用率、减少环境污染具有重要意义。杨宁等采用无人机获取了内蒙古河套灌区沙壕渠灌域内试验地的无人机多光谱遥感图像数据及不同深度的土壤盐分数据,使用3种光谱指数筛选方法,对比3种建模方法,模拟3个深度土层的土壤盐分分布,比较了传统光谱指数及引入红边波段的改进光谱指数在盐渍化建模方面的潜力,具有创新性和一定的学术价值。陈锋军等针对云杉计数问题给出了较为完整的基于航拍和机器视觉的解决方案,对YOLOv3的网络结构进行了有益探索和改进,解决了YOLOv3模型小样本训练过拟合问题和云杉特征丢失问题,提升了云杉计数的准确率,具有重要的研究意义和实用价值。王玉娜、陈晓凯等基于低空无人机平台和成像光谱仪获取陕西关中地区拔节期冬小麦高光谱影像,将无人机高光谱遥感应用于冬小麦氮素营养监测和叶面积指数估算,对降低监测成本、增强时效特性等具有一定新意和重要意义。陈日强等利用无人机载激光雷达采集苹果园的果树单木冠层信息,并评价空间分辨率对于果树单木树冠检测与提取的影响,具有一定的学术价值和实用性,对精准果园管理生产具有重要意义。杜蒙蒙等提出了一种基于多旋翼无人机与激光测距技术的农田地形测绘方法,在多旋翼无人机测绘平台上搭载激光测距模块与后处理动态差分全球定位系统设备获取激光测距值序列、PPK-GPS三维定位数据以及无人机的飞行姿态数据,综合激光测距、GPS数据进行高程测量,对农田微地形测量具有很好的实用价值。孔繁昌等以东北地区粳稻稻瘟病高光谱识别诊断为选题,运用多旋翼无人机载高光谱遥感技术获取健康、轻度、中度和重度等级水稻穗茎的冠层指数,利用随机森林的方法对光谱预处理变换数据、光谱曲线特征提取参数、植被指数组合进行建模,填补了无人机高光谱遥感监测大田穗颈瘟病和实验室穗颈瘟病光谱理论研究之间的研究空白。 本专题集中刊发的8 篇系列文章,分别来自华南农业大学、沈阳农业大学、西北农林科技大学、北京林业大学、河南理工大学、河南科技大学、东北农业大学等机构,源于国家自然科学基金、国家重点研发计划项目、广东省重点领域研发计划项目、广东省引进领军人才项目、中央高校基本科研业务项目、河南省高等学校重点科研计划项目等的研究成果,从理论综述、机理模型到实用技术,具有创新性、重要性、实用性等特点,对促进国内航空植保事业发展、农业航空技术全面推广应用、明确航空植保施药发展方向和未来智慧农业的发展与实现具有重要的理论和现实意义。     

基于高光谱图像的牧草粗蛋白含量反演模型

粗蛋白(crude protein,CP)是评价牧草品质和饲用价值的重要指标。利用高光谱技术实现大面积牧草CP含量实时、准确、无损监测是草地营养状况监测的重要内容。为掌握青海省海晏县金银滩草原牧草CP含量的分布状况,该文采用课题组航空飞艇搭载自主集成高光谱成像系统获取高分辨率高光谱图像,对高光谱数据进行光谱衍生变换,采用不同建模方法构建CP含量的反演模型。选取最佳组合的2种光谱指数为自变量构建牧草CP含量的单变量模型。对于包络线去除的衍生光谱和对数、归一化、一阶微分及其衍生组合变换光谱,使用逐步判别分析法筛选各光谱变量的特征波段作为自变量,构建牧草CP含量的多元线性和非线性回归模型,综合比较各模型的精度选择最优反演模型。结果表明,不同光谱变量相比,微分光谱变量对牧草CP含量拟合效果较好,R~2均达到0.794以上。不同多元回归模型相比,非线性回归模型精度高于对应的线性回归模型。以光谱对数后再一阶微分变量(D(log(R)))构建的多元非线性回归模型为牧草CP含量最优估算模型,R~2为0.918,RMSE为0.054。将D(log(R))建立的非线性回归模型应用于高光谱图像上,绘制研究区牧草CP含量空间分布图。研究为大区域尺度CP含量的定量反演及精准畜牧业的高效实施提供参考和技术依据,也为今后智慧畜牧业的发展奠定基础。     

马铃薯黑心病和单薯质量的透射高光谱检测方法

针对单一检测技术不能同时检测马铃薯内外品质的多项指标,采用透射高光谱成像技术并融合光谱和图像信息,对其内部黑心病、质量指标进行检测。通过透射高光谱成像系统获取266个样本高光谱图像（400～1000 nm）,并提取光谱和图像二者信息。采用不同变量选择方法对光谱进行变量选择,用9个光谱变量建立检测马铃薯黑心病偏最小二乘判别分析（partial least squares discriminant analysis, PLS-DA）模型与质量偏最小二乘回归（partial least squares, PLS）模型;提取样本透射高光谱图像的面积信息,建立基于光谱-图像的检测马铃薯质量PLS模型。试验结果表明,黑心样本识别率为100%,识别最小黑心面积为1.88 cm2;基于光谱-图像所建立质量检测模型预测效果较好,其预测集相关系数(Rp)为0.99,预测均方根误差(RMSEP）为10.88。结果表明：采用透射高光谱成像技术并融合图像和光谱信息对马铃薯内部黑心病、质量同时进行检测是可行的。     

主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧

为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型。首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模型对浙江省淡水水产养殖研究所综合实验基地某池塘溶解氧进行验证。试验结果表明:该模型与BP神经网络等其他浅层模型相比,模型评价指标平均绝对误差、均方根误差和平均绝对误差分别为0.274、0.089和0.147,均优于传统的预测方法;该模型具有良好的预测性能和泛化能力,能够满足水产养殖溶解氧精确预测的实际需要,可以为水产养殖水质精准调控提供参考。     

高光谱成像技术快速检测生物质秸秆元素含量

为了探讨生物质秸秆元素含量的快速检测方法,该文运用高光谱成像技术,结合多种数据优选方法对生物质秸秆中N、C、H、S、O元素含量快速检测的可行性进行研究。选取玉米、水稻、小麦、油菜4种类别共计188个秸秆样本,采集其反射高光谱图像,并测定元素含量。采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法选取元素检测敏感变量,提取光谱维数据,结合偏最小二乘(partial least squares,PLS)算法,建立了基于高光谱光谱维数据的元素定量分析模型,N元素采用24个变量建立模型,验证集相关系数为0.923,均方根误差(root mean square error of validation set,RMSEP)为0.196%,相对分析误差(relative analysis error,RPD)为3.11;O元素仅采用10个光谱变量建立模型,验证集相关系数为0.876,均方根误差为1.015%,相对分析误差为2.32,N、O元素的模型可以用于实际应用;C、H、S元素相验证集相关系数均小于0.80,无法实际应用分析。采用独立成分分析(independent component analysis,ICA)算法结合权重系数法,提取IC1-IC5分析图像中特征光谱波段为572.09、643.69、685.14、766.79、819.55、964.01 nm,用6个特征光谱变量建立基于高光谱图像维数据的秸秆元素定量分析模型,N、C、H、S和O 5种元素无法用于实际检测。研究结果表明,采用高光谱成像技术并应用光谱维数据结合CARS-PLS算法可以实现秸秆N、O元素的有效检测。     

水稻叶片氮素及籽粒蛋白质含量的高光谱估测模型

研究水稻叶片氮素和籽粒蛋白质含量的高光谱快速、无损监测方法,对于水稻营养诊断、籽粒品质监测及氮肥高效利用具有重要意义。本文通过水稻盆栽试验,测定水稻叶片氮素、籽粒蛋白质含量和冠层光谱,采用不同的光谱建模方法来提高氮素、籽粒蛋白质含量的估测精度。先用主成分分析(PCA)方法进行特征波段的提取,再用多元线性回归(MLR)、人工神经网络(ANN)和偏最小二乘回归(PLSR)进行建模。结果表明,水稻叶片氮素和籽粒蛋白质含量与特征光谱存在很好的模型关系,3种模型预测的决定系数(R2_p)均在0.847以上,并以PLSR模型的预测效果为最好,可以实现水稻氮素营养和籽粒品质的高光谱估测。     

基于RGB图像光谱重建的鱼糜掺假定量检测研究

实现基于RGB图像的光谱重建对降低光谱的硬件要求、扩大其实际应用具有重大意义。该研究以鱼糜掺假检测为例,比较多元多项式最小二乘回归算法（polynomial multivariate least-squares regression,PMLR）与深度学习HRNet网络对光谱重建的性能,建立基于重建光谱多种掺假鱼糜检测模型并验证其实际应用的有效性。结果表明,2种方法的重建光谱误差较小,HRNet网络、PMLR算法重建光谱的均方根误差（root mean square error,RMSE）分别为0.010 4和0.012 6,大多数掺假检测模型有较高的预测准确性,其预测相关系数大于0.91,预测均方根误差小于9%。在基于重建光谱建立的掺假检测模型中,效果最佳的是基于PMLR算法重建光谱使用标准正态变量变换（standard normal variate,SNV）预处理的极限学习机回归模型,其预测均方根误差为3.954 4%、预测相关系数为0.983 0。因此,PMLR算法和HRNet网络均能较好的实现基于RGB图像的光谱重建,且重建光谱均能实现对鱼糜掺假样本的较好检测结果,为基于重建光谱的食品和农产品品质与安全检测提供了新思路。     

农药残留的表面增强拉曼光谱快速检测技术研究现状与展望

果蔬农药残留危害人类健康,施药后,农药分布于其表皮和内部组织,果蔬表面农药绝对残留量低、不均匀,直接光谱检测表征难,而表面增强拉曼散射(surface-enhanced Raman scattering,SERS)技术具有分子级检测精度,可以有效扩增信号,在实现微量物质检测方面优势明显。为此,论文综述了国内外表面增强拉曼散射技术的研究现状,特别是详细介绍了通过设计合理的表面增强拉曼基底结构,实现农药残留信号增强的主要技术手段和表面增强拉曼光谱信号分析方法。在此基础上,指出农药残留的表面增强拉曼检测技术研究中的前沿热点问题,探讨并展望了表面增强拉曼技术在农药残留快速检测方面的发展趋势。基于表面增强拉曼的农药高灵敏度、快速检测表征技术,将在农药违禁使用和农药残留超标监管中有广阔应用前景。     

基于近红外光谱的大豆叶片可溶性蛋白含量快速检测

可溶性蛋白是植物生化及抗性生理研究的重要指标之一。快速、准确、无损测定可溶性蛋白含量对作物生长状况的动态监测及抗性作物品种的筛选具有重要意义。近红外光谱具有快速、简单方便、非破坏性的特点,已在农业、食品、化工等领域广泛应用,尤其是近年来基于光谱技术快速无损的获取作物生理生化信息的研究已成为当前农业领域研究的热点。本文采用近红外光谱技术结合化学计量学方法以实现大豆叶片可溶性蛋白含量的快速无损检测。首先,采用Savitzky-Golay平滑(SG)、一阶导数(1-Der)、二阶导数(2-Der)等7种光谱预处理方法分别建立大豆叶片可溶性蛋白含量的偏最小二乘(PLS)预测模型,经对比发现SG预处理方法为大豆叶片可溶性蛋白含量预测的最优光谱预处理方法。其次,分别采用连续投影算法(SPA)、随机蛙跳(RF)和遗传算法(GA)对SG预处理后的光谱数据进行特征波长提取。最后,基于提取的特征波长分别建立了大豆叶片可溶性蛋白含量的SPA-PLS、RF-PLS和GA-PLS预测模型,发现基于SPA提取的11个特征波长建立的大豆叶片可溶性蛋白含量SPA-PLS模型具有最佳的预测效果,其预测集相关系数(R2p)为0.864,预测均方根误差(RMSEP)为1.894 mg/g,预测偏差为2.061(RPD)。上述结果表明,应用近红外光谱技术检测大豆叶片中可溶性蛋白含量是可行的,可为大豆生长状况动态监测及抗性大豆品种的筛选提供新的方法。     

淡水珍珠蚌循环水养殖模式下分布式水质监控系统设计

为促进中国淡水珍珠养殖业由传统粗放模式向高效生态智能化改造升级,该研究针对珍珠蚌工厂化循环水养殖模式下的水质监控需求,开发了基于无线传感网络的分布式水质监控系统。系统采用感知层、传输层和应用层相结合的体系架构,由水质监测节点、气象监测节点、设备控制节点和监控中心组成。现场采用多参数传感器、ZigBee无线模块、可编程逻辑控制器(Programmable Logic Controller,PLC)和MCGS触控屏组合的方式,实现对多地点监测数据的实时采集、图形化显示和报警功能,对循环水处理设备的启停控制及藻类供饵自动控制功能;上位机采用MCGS网络版和SQL Server数据库构建监控数据中心。系统采用无线组网分布式架构,组网灵活且操作简单,简化了设备的安装和维护工作。经实际使用测试,系统工作稳定性和检测准确性均在98%以上,能够满足淡水珍珠蚌循环水养殖的监控需求,可以为珍珠蚌传统养殖模式的转变和产业生产方式的转型升级提供有利保障。     

基于高光谱数据的水体叶绿素a指数反演模型的建立

水体叶绿素a含量是反映水体质量的重要指标之一,利用遥感技术监测其含量具有众多优势。该研究利用2012年7月在广西壮族自治区桂林市漓江流域实地采集的水体高光谱数据和实验室化验分析数据,借鉴陆表植被叶绿素a的遥感反演模型,发展了一种新的水体叶绿素a提取指数(water chlorophyll-a index,WCI)。通过与反射率敏感波段法、波段比值法和半分析方法对比分析发现,新提出的WCI指数使用650、685、696 nm波段,波段稳定,决定系数R2可达0.58,均方根误差最小为0.24,受水体悬浮物影响小,在天津海河区域的验证效果也表明了该模型可以有效地提取水体叶绿素a含量。该方法扩展了水体叶绿素a监测的建模思路,对水体叶绿素a监测建模有一定的指导作用。     

基于偏最小二乘投影的可见/近红外光谱猪肉综合品质分类

针对全波段光谱技术的生鲜猪肉综合品质快速无损分类存在光谱数据量大、样本数量较少时分类准确率较低等缺点。该文提出了一种基于偏最小二乘(partial least squares,PLS)投影分析算法和支持向量机的生鲜猪肉综合品质分类器。利用基于偏最小二乘投影分析算法对全波段光谱数据进行数据降维,选取了13个特征波长。利用粒子群优化算法优化支持向量机惩罚参数和径向基核函数参数,优化后二者最优为4.939和0.01。利用选取的特征波长和优化后的参数建立了生鲜猪肉综合品质支持向量分类器。研究结果表明,分类器对训练集中白肌肉(pale,soft and exudative,PSE)、正常肉(reddish-pink,firm and non-exudative,RFN)和黑干肉(dark,firm and dry,DFD)的回判识别率分别为为88.46%、94.11%和92.31%;测试集中PSE、RFN和DFD预测正确率分别为84.62%、94.11%和84.62%。该分类器满足模型简单、预测准确率高等优点,为生鲜猪肉综合品质在线分级提供参考。