《表1 不同预处理算法下鸡肉嫩度模态瞬态定性预测结果》

  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

瞬态模态对鸡肉嫩度分类评估的结果如表1所示。表中FPR表示将负例错分为正例的概率，TPR表示能将正例分对的概率；TNR表示将负例分对的概率，FNR表示将正例分为负例的概率。N表示样本数，Err表示分类误差。从表1可以看出，当使用瞬态模态响应数据直接对鸡肉嫩度进行建模分类时，校正集分类模型的精度、F1得分和马修斯相关系数出现了无效值（Na N），这说明瞬态模态原始数据不能直接用于分类。当使用S-G卷积平滑、MSC和SNV等预处理算法对原始数据进行预处理后，分类效果得到改善。校正集分类模型的预测精度、F1得分和马修斯相关系数均在0.9以上。可以发现，S-G卷积平滑具有最佳的校正集分类效果，其分类误差仅为0.01，嫩和老两类鸡肉的预测精度分别为1和0.98，F1得分分别为0.98和0.99，此时的马修斯相关系数为0.97。对于验证集分类模型有相似的结论，S-G卷积平滑的分类效果最优，此时验证分类误差为0.13。两类鸡肉的分类精度分别为0.95和0.84，F1得分分别为0.81和0.91，马修斯相关系数为0.74。