基于机器学习算法的食用菌分类识别研究
2021-12-07王振杰张乐乐李双芳章萩月付倩倩刘生杰
阜阳师范大学学报(自然科学版) 2021年4期
王振杰,张乐乐,李双芳,章萩月,付倩倩,刘生杰
(1.阜阳师范大学 信息工程学院,阜阳 236041;2.阜阳师范大学 生物与食品工程学院,阜阳 236037)
引言
食用菌是可供人们食用的大型真菌的统称,多数俗称蘑菇[1]。我国食用菌资源十分丰富,被广泛食用的有200 种左右[2]。食用菌营养素种类和含量较为丰富,必须氨基酸种类齐全,富含菌菇多糖等多种生物活性成分,具有较高的保健功效和药用价值[3-4]。随着人们生活水平的不断提高,营养价值高、附加值高的野生食用菌也逐渐进入大众的视野[5]。误食一些有毒的食用菌可引起急性中毒,由于目前对毒蘑菇种类及其毒素认知尚不完全,缺乏快速区分有毒与可食用蘑菇的有效办法,蘑菇中毒已成为我国食源性疾病中病死率最高的一类急症[6]。
传统食用菌鉴定主要根据菌菇的生长特性、外观形貌、显微结构等综合判断,受主观因素干扰较大[7]。分子生物学和光谱法在食用菌鉴别应用研究较多[8-10]。Sen Yao 等人利用紫外光谱和红外光谱技术,以SVM 构建模型对不同野生疣柄牛肝菌进行区分,验证集正确率达94.74%[11]。杨天伟等人采用傅里叶变换红外光谱结合多元统计分析方法对10 个不同种类的牛肝菌进行鉴别研究,通过对牛肝菌红外光谱特征的优化处理,得出基于马氏距离的分类模型在验证集和预测集准确率分别为90%、95%[12]。Li Yan 等人研究了基于紫外光谱的指纹图谱技术对不同储藏年份的野生大白口蘑的区分[13]。刘洋等人提出一种应用近红外光谱技术对13 种野生蘑菇识别的方法,在建立的SVM 识别模型中,测试集识别率为95.3%[14]。……
登录APP查看全文
