基于IGS-SVM模型的牛肉生理成熟度预测方法

生理成熟度是判定牛肉质量等级的重要指标,本实验建立一种通过改进的网格搜索（improved grid search,IGS）算法优化支持向量机（support vector machine,SVM）参数的模型,以实现牛肉的生理成熟度的预测。收集18、36、54、72 月龄的牛肉样本各25 个,共计100 个。利用机器视觉,采集样本的显微图像,经过图像处理后,提取不同生理成熟度牛肉的肌纤维特征参数,用统计学方法分析牛肉生理成熟度和肌纤维特征参数之间的相关性,并以肌纤维特征参数作为输入,利用76 个训练集样本,建立牛肉生理成熟度的SVM预测模型。为优化所建立的SVM模型,提出一种IGS算法,用其对SVM模型的约束参数C以及核函数参数g进行优化,结合留一交叉验证法得到最优的（C,g）参数组合,并将最佳参数代入分类器,得到优化的牛肉生理成熟度预测模型。用24 个测试集的独立样本检测模型的适用性并估测性能,结果表明：利用该模型对牛肉生理成熟度预测的准确率可达到91.67%;与传统网格搜索算法相比,IGS算法使得模型在训练时间上缩短了1 755.41 s。这表明所建立的模型具有较好的预测效果,也说明根据牛肉肌纤维的特征参数结合机器视觉及图像分析技术,对牛肉生理成熟度进行自动判定的方法是可行的。