基于机器学习的医疗器械分类与预测方法研究

针对当前医疗器械分类仍然采用人工分类方式,费时费力的问题,提出一种基于机器学习的医疗器械分类与预测方法,通过引入机器学习和自然语言处理领域的经典算法,以新版《医疗器械分类目录》为标准,提取医疗器械产品注册证的关键信息作为语料库,实现对医疗器械的产品类别划分,达到真正意义上的医疗器械自动分类,为各级医疗机构的医疗器械分类管理信息化奠定基础,提供借鉴和启示。     

基于青年女性下肢形态分类的特征部位围度拟合

为实现个性化裤装样板自动生成,探讨了青年女性下肢体型的分类方法及腰部、腹部、臀部、大腿根部和膝部5个人体特征部位的围度预测模型建立。主要通过美国[TC]²三维人体扫描仪获取202名在校女大学生的人体点云数据,测量各特征部位的围度、宽度和厚度等相关形态参数。然后进行体型分类,提出VD_wh值(表征腰臀相对凸出量)、D_bw值(表征后腰的凹陷程度)、HD_ht值(表征站姿)、A_tk值(表征腿型)4个形态指标,将青年女性下肢形态分为圆长型、圆润型、扁长型三类。基于体型分类结果,选择圆润体,对该体型下5个特征部位的宽度、厚度以及围度进行相关分析并建立特征部位围度的回归方程,并以手工数据进行验证分析。结果表明:除大腿根部最大误差值为1.98 cm外,分类后预测的其他特征部位围度值与手工数据的误差绝对值均在1.5 cm范围内,说明本围度预测方法具有较高的准确性,对基于照片的青年女体个性化裤装样板自动生成提供了一定的技术支撑。     

基于最大信息系数的偏最小二乘特征筛选算法

针对近红外光谱分析的不足,提出一种新的、基于最大信息系数的偏最小二乘特征筛选算法(PLSMIC)。首先计算每个特征与因变量之间的最大信息系数对变量的重要性进行排序,最大信息系数越大,对应的特征就越重要。然后,结合偏最小二乘进行特征筛选。PLSMIC是基于最大信息系数的向前变量选择算法,实际数据集的实验和分析表明,PLSMIC能明显提高预测性能。     

水解度对牡蛎酶解液特性的影响

利用胰蛋白酶限制性酶解牡蛎肉,研究水解度(degree of hydrolysis,DH)对牡蛎酶解液的感官评分、肽分子量分布和游离氨基酸组成的影响。实验结果表明,随着水解度的增大,牡蛎酶解液的鲜味、酸味和甜味先增加后降低,而咸味和苦味则一直增加;分子量>10 kDa和5~10 kDa肽比例逐渐减少,3~5 kDa肽比例先增加后减少,1~3 kDa和<1 kDa肽比例逐渐增大。<1 kDa和1~3 kDa肽比例最高的是DH62.02%酶解液。6种水解度牡蛎酶解液中各游离氨基酸含量、游离氨基酸总量、必需氨基酸含量随着水解度的增大而升高。鲜味氨基酸、甜味氨基酸和苦味氨基酸含量均随着水解度的增大而增加,芳香族氨基酸含量先增加后降低。随着水解度的增大,6种酶解液中TAV>1的氨基酸数量逐渐增多。6种水解度牡蛎酶解液中谷氨酸TAV值均大于1,且随着水解度的增大TAV值逐渐增大。     

基于随机森林的文本分类研究

文本分类是处理和组织大量文本数据的关键技术,它一直是信息检索领域中的一个研究热点。文本分类旨在将大量文本划分到若干子类,使得各文本子类代表不同的概念主题。文章采用了一种基于随机森林的文本分类方法。该方法来源于基于决策树的机器学习,依据文本内容的分词结果进行机器学习,将文本中信息量高的词汇提取出来作为学习维度,可以准确地对文本进行分类。由于随机森林算法Ⅲ具有高并发,快速收敛的优点,非常适合海量数据的处理。     

基于激光诱导击穿光谱技术结合机器学习算法的3种干腌火腿产地识别

火腿种类多,产地不同。本文采用激光诱导击穿光谱技术(LIBS)结合机器学习算法鉴别火腿原产地。采集16个火腿切片样品(4个如皋火腿样品、5个金华火腿样品、7个宣威火腿样品)的LIBS光谱数据,应用K近邻(KNN)、支持向量机(SVM)以及全连接神经网络(DNN)对火腿样品产地进行分类。采用主成分分析(PCA)对火腿样品的光谱数据降维处理,然后,分别结合KNN和SVM算法对样品进行分类,并研究对建模速度和预测准确率的影响。结果表明:KNN和SVM在结合PCA后,建模分析时间大幅减少;KNN、 PCA+KNN、 SVM、 PCA+SVM 4种分类方法的平均正确率分别为70.53%,73.50%,79.53%,80.42%,使用PCA结合KNN和SVM时分类准确率有小幅度的提高;使用DNN对火腿样品进行分类,正确率最高达85.56%,相比于KNN和SVM,DNN对火腿LIBS光谱数据具有更高的分类正确率。结论:用LIBS结合机器学习算法区分不同产地的火腿样品是可行的.     

基于机器学习的服装"品牌基因"分析方法研究

文章探索一种基于机器学习模型的服装品牌基因强度识别分析方法,通过利用品牌服装历史产品图像数据作为特征数据集,模仿人脑的学习认知过程,设计并训练基于机器学习算法的品牌分类模型,最终使机器学习模型能够"认知"到服装品牌的"基因片段"。以此模型的分析过程及特征提取结果来验证并分析"品牌基因"。采用机器学习的方法,利用品牌服装设计中的共性特征数据对品牌基因强度进行分析,可以避免主观评价的片面性和传统统计方法无法对非线性因素进行因果关联的缺点,通过大量的数据分析,实现对品牌基因的提取和应用。     

基于机器视觉和机器学习的羊骨架自动分割方法

为实现羊骨架自动化加工,提出一种基于机器视觉和机器学习技术的羊骨架自动分割方法。采集396组羊骨架样本,利用图像处理技术提取24组坐标参数,分别为羊骨架躯体、腰椎、颈部和胸腔等4个部位最小外接矩形的6个特征点(中心、质心和4个顶点坐标)。通过显著性检验筛选出16组特征,进行异常值检测和归一化操作,按7∶3的比例划分训练集和测试集。对比Lasso、Ridge、SVR和GBDT机器学习模型预测效果,优选Lasso、SVR和GBDT作为个体学习器,以0.30∶0.25∶0.45的权重集成时,模型预测效果最优,均方根误差为7.93。在验证集上坐标残差绝对平均值为2.32像素点,拟合度R²为0.961,在测试集上坐标残差绝对平均值为2.53像素点,拟合度R²为0.947,测试表明模型预测精度较高且泛化能力较强。搭建多关节机器人平台进行分割试验,轨迹预测精度达到3.4 mm,理论效率达413只/h,约提升了37.9%,表明该方法有效可行且效率显著提升。     

基于SVM的岩石薄片图像分类

支持向量机可以克服高维表示的缺陷,被广泛运用到图像分类中。文章在研究图像特征的基础上,应用支持向量机的分类性能,实现了100个样本的分类,结果表明该实验分类准确率高,效果良好。     

基于机器学习算法的食品污染物神经毒性预测模型建立

基于机器学习算法建立分类预测模型,研究常见食品中化学性污染物的理化结构与其神经毒性间关联。通过查阅文献建立化合物数据库,纳入包含影响神经分化成熟、影响神经元迁移/空间定向等各类神经毒性机制化合物57种,无神经毒性化合物50种。运用R、SPSS软件,使用随机森林（Random Forests,RF）、类神经网络（Artificial Neural Network,ANN）、支持向量机（Support Vector Machine,SVM）等机器学习算法筛选分子描述符并构建分类模型,预测化合物神经毒性。结果显示随机森林算法模型综合表现最佳,十折交叉验证准确率70.24%,训练集、测试集预测准确率分别达95.51%和83.33%,曲线下面积分别达0.99和0.85,是个较为理想的算法。本研究基于机器学习算法建立的分类模型可通过化合物的分子描述符准确预测化合物的神经毒性。在多种机器学习算法中,基于随机森林算法建立的预测模型表现最优。分子描述符重要性结果显示,化合物神经毒性主要与其质量加权Burden矩阵最大特征值有关。     

基于机器视觉的牡蛎分级设备设计

目的：提高牡蛎分级的精确性和全面性。方法：提出并设计了牡蛎自动化分级设备,确定了旋转滚筒与挡板传送带结合的牡蛎排队结构、质量检测和机器视觉检测相结合的分级方式,完成了牡蛎分级设备的整体结构设计。通过工业相机采集牡蛎图像,使用大津法二值化、高斯滤波处理、Canny算子边缘提取等方法提取牡蛎图像,通过机器视觉算法以长度和饱满度为标准对牡蛎进行分级,并进行机器视觉分级与人工分级对比试验。结果：该设备分级准确率为95.4％,图像检测速度约为0.647 s/幅。结论：机器视觉对牡蛎分级是有效的,可以较为准确地对牡蛎进行分级。     

复合酶水解牡蛎蛋白的动力学研究

对太平洋牡蛎蛋白进行复合酶(风味蛋白酶、胰蛋白酶的酶活力比为2.3:1)水解特性研究,探讨了底物浓度和酶浓度对水解度(DH)的影响。建立了复合酶水解牡蛎蛋白的动力学模型,确定了模型常数,并分析了多肽的平均链长、相对分子质量与酶解时间的关系。验证实验证实模型预测结果与实际测得的结果一致,表明该动力学模型具有一定的实用价值。     

太平洋牡蛎冷藏过程中闭壳肌品质的变化

为了探究太平洋牡蛎（Crassostrea gigas）在0℃和4℃冷藏过程中的品质变化,首先对牡蛎不同组织（闭壳肌、外套膜、鳃和内脏团）在冷藏过程中的表观变化进行观察,利用十二烷基硫酸钠-聚丙烯酰胺凝胶电泳（sodium dodecyl sulphate-polyacrylamide gel electrophoresis,SDS-PAGE）分析冷藏过程中各组织中全蛋白的变化,进一步通过Western blotting鉴定闭壳肌中肌球蛋白重链（myosin heavy chain,MHC）、肌动蛋白、副肌球蛋白（paramyosin,PM）和原肌球蛋白（tropomyosin,TM）的降解情况,采用荧光光谱分析闭壳肌冷藏过程中内源性丝氨酸蛋白酶和组织蛋白酶B的活力变化,以闭壳肌的pH、K值和质构特性等为评价指标,分析其在冷藏过程中品质的变化。结果显示,随着冷藏时间延长,闭壳肌由紧实变得绵软,表观变化最明显。Western blotting结果显示,在0℃和4℃冷藏过程中,闭壳肌中MHC分别在第3天和第1天开始降解,表明低温有利于降低蛋白酶解速率;但是,肌动蛋白、PM和TM无明显变化。...     

Growth,nutritional quality and safety of oysters (Crassostrea gigas) cultured in the lagoon of Venice (Italy)

Quality aspects of oysters (Crassostrea gigas) from a suspended culture in the lagoon of Venice (Valle Dogà) were examined in different seasons over a 1‐year period. Ecophysiological and commercial quality indicators (condition index, content of meat, shell and intervalvar fluid), nutritional quality parameters (proximate and mineral composition, glycogen content, fatty acid profile, cholesterol, plant sterols, fat‐soluble vitamins content) and levels of organic pollutants (polychlorinated biphenyls and organochlorine pesticides) were determined at different times of the year. Seasonal variations were observed in the nutrient content, with particular regard to moisture (ranging from 866.8 g kg^?1 in June to 938.8 g kg^?1 in September), protein (23.9 g kg^?1 in September to 76.6 g kg^?1 in June), ash (22.5 g kg^?1 in February to 29.5 g kg^?1 in July), lipid (3.0 g kg^?1 in September to 8.8 g kg^?1 in June) and glycogen (0.7 g kg^?1 in September to 11.5 g kg^?1 in February). In spite of this variability, the nutritional quality of the oysters was generally good, especially just before gamete release when the concentration of nutrients was at its maximum. Low levels of organochlorine chemicals were detected in the edible meat of oysters but, because only a limited number of samples were analysed, no general conclusion can be drawn on the safety of seafood from this area. Copyright © 2004 Society of Chemical Industry     

Quality perception,purchase intention,and the impact of information on the evaluation of refined Pacific cupped oysters (Crassostrea gigas) by Dutch consumers

BACKGROUND

Oyster refinement using land‐based pond systems is a new activity in the Dutch oyster sector. It increases the oyster's tissue weight and changes its sensorial properties. However, the response of Dutch consumers towards refined oysters is unknown. The research aim was to gain insight into the importance of oyster quality parameters, drivers for oyster consumption, and acceptance of refined oysters by Dutch consumers, taking into account the information given to them about the product and process.

RESULTS

Taste, texture, and odor are the most important oyster quality characteristics for Dutch consumers. The outcome of questionnaires showed that willingness to buy and pay is influenced by factors such as the oysters' country of origin, cultivation area, and flavor profile. Refinement did not affect willingness to buy and pay. Furthermore Dutch consumers seem to have a preference for the flavor profile of refined oysters. Consumer evaluation showed that refined Pacific cupped oysters were perceived as sweeter compared with non‐refined oysters. When information on the cultivation process was disclosed, overall appreciation of refined oysters by consumers increased.

CONCLUSION

New insights in the importance of oyster quality characteristics for Dutch consumers are generated that can be used in the development of refined Pacific cupped oysters. © 2018 The Authors. Journal of The Science of Food and Agriculture published by John Wiley & Sons Ltd on behalf of Society of Chemical Industry.     

基于机器视觉的谷糙分离检测方法

[目的]解决传统的谷糙分离机存在的人工检测精度差的问题,提高生产效率。[方法]提出了一种基于机器视觉的图像检测方法,通过不同图像算法的多级式递进融合,实现对谷糙的特征识别与分离。对采集到的图像进行ROI区域选定,并利用Retinex算法进行图像增强;使用Otsu算法对图像进行分割,再利用中值滤波与形态学相结合去除图像噪声;采用改进的Canny算法对二值图像进行边缘特征检测,结合Hough变换提取谷糙图像轮廓的位置信息;最后应用卡尔曼滤波对位置信息进行状态估计,得到分离位置最佳预测值的同时,减小位置偏移误差。[结果]系统的检测平均误差为3.14 mm,相比较滤波前减少1.82 mm,滤波误差平均标准差为0.8 mm。[结论]该方法能够有效检测谷糙特征信息并提高分离精度。     

基于机器视觉的筒子纱缺陷在线检测系统

为提高筒子纱检测过程的自动化程度,设计了一种基于机器视觉的筒子纱缺陷在线检测系统。该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成。首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像。然后通过对顶面过曝图像自适应分割来定位筒子纱中心。其次,通过极坐标变换展开顶面正常图像。最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷。结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。     

基于优化SVM的虫害图像识别研究

农作物虫害问题严重威胁我国农业及粮食生产安全。针对传统虫害识别智能化水平低、效率低等问题,提出一种基于优化SVM的虫害图像识别方法。本研究以草地贪夜蛾成虫图像作为试验对象,采用HOG特征描述符提取图像特征信息,通过粒子群优化算法对SVM模型的内部参数进行寻优。模型在经过训练后,对简单背景下虫害图像的识别准确率达100%,对复杂背景下样本的识别准确率达93.89%。模型识别效果明显优于其他对比模型,为机器学习在农作物虫害识别中的应用提供一定参考。     

基于支持向量机的筒子纱纱管品种检测

为了对运输导轨上筒子纱的纱管品种进行检测,提出一种基于纱管图像分类的品种检测方法。首先通过搭建的采集装置采集筒子纱顶部包含纱管信息的图像,运用阈值分割和椭圆拟合得到纱管区域,利用极坐标变换将纱管圆环展开成矩形图像,然后使用HSV颜色直方图和局部二值模式分别提取纱管展开图像的颜色特征和纹理特征,最后通过支持向量机构建筒子纱纱管品种分类模型实现纱管品种检测。采用建立的纱管品种检测分类数据集进行实验,结果表明,本文方法相比于其它特征组合和分类器,具有更高的分类准确率,对相同图案的星型纱管、黑色系花纹纱管和混合纱管的分类准确率达100%,可为纺纱企业筒子纱纱管品种检测与运输包装提供参考。     

基于图像模拟和支持向量机的复合非织造布孔隙尺寸预测

为探究非织造布复合前后孔隙尺寸的变化规律,以纤维根数、纤维平均直径、纤维直径变异系数为变量生成数字图像(复合单元)对非织造纤维网进行模拟,并采用将2个复合单元叠加的手法来模拟复合后的非织造纤维网。用2个复合单元的孔径差异百分比(E_r)和孔径变异系数的平均值(M_V)表征复合前孔隙尺寸;孔径复合指数(I_P) 和孔径变异系数复合指数(I_V)用于表征复合后孔隙尺寸。结果显示非织造布复合前后的孔隙尺寸呈复杂的非线性关系。将E_r和M_V作为支持向量机模型的输入分别对I_P和I_V进行预测,其绝对百分比误差分别为1.84%和1.92%,误差很小。验证实验的结果进一步印证支持向量机模型具有很高的预测准确度。