《表2 鸡肉嫩度蠕变回复模态定性预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于可控气流-激光检测技术的鸡肉嫩度评估方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

当使用静态激励时，蠕变回复模态鸡肉嫩度分类效果如表2所示。使用蠕变回复模态响应原始数据校正分类模型误差为1，分类精度为0，F1为无效值，马修斯相关系数为-1。这说明蠕变回复原始数据对鸡肉嫩度两类样本分类全部错误。说明蠕变回复响应原始数据不能直接用作鸡肉嫩度的预测。当使用MSC和SNV预处理算法时，校正分类模型的预测精度、F1得分和马修斯相关系数均出现了无效值，且验证集分类模型马修斯相关系数仅为0.12和0.18。这说明上述两种算法不能用作蠕变回复模态鸡肉嫩度分类数据的预处理方法。当使用S-G卷积平滑算法对原始数据进行预处理时，校正分类模型分类误差为0，分类精度为1，且F1得分和马修斯相关系数均为1。这说明校正分类模型具有很好的分类效果。通过交叉验证对校正模型进行分析时，验证分类模型精度嫩、老鸡肉分别为0.79和0.85。此时F1得分分别为0.76和0.86，马修斯相关系数为0.62。这说明蠕变回复模态结合S-G卷积平滑预处理算法能够实现鸡肉嫩度的有效分类。