2025【基于机器学习的鱼种分类算法设计】10000字（论文）.docxVIP

目录

PAGEIV

基于机器学习的鱼种分类算法设计

摘要

鱼类快速鉴定对国际水产贸易有重要意义，而机器学习算法的发展和应用使其得以应用在鱼类快速鉴定中。本文结合近红外光谱分析技术，比较了三种机器学习算法模型对七类鱼种分类的正确率。实验结果表明，在本实验的小数据集上，SVM模型建立简单、正确率高，FCNN总正确率较高，而1DCNN对特定类别的辨识能力较高。证明近红外光谱配合机器学习算法能够运用于鱼类快速鉴定。

关键词：近红外光谱；机器学习；鱼类鉴定

目录TOC\o1-3\h\z\u

摘要 I

Abstract II

目录 III

一、绪论 1

二、近红外光谱分析技术 1

（一）近红外光谱分析技术的发展 1

（二）近红外光谱分析技术的优势 1

（三）近红外光谱分析技术的应用 2

三、机器学习算法原理 4

（一）支持向量机 4

1.线性支持向量机 4

2.非线性支持向量机 6

（二）全连接神经网络 7

1.感知机 7

2.误差反向传播算法 8

（三）卷积神经网络 10

1.卷积层 10

2.池化层 11

3.CNN中的反向传播算法 12

四、实验与结果分析 14

（一）样品光谱数据选择 14

（二）模型参数及评价指标 15

1.模型构建 15

2.评价指标 15

（三）结果分析 16

五、总结和展望 19

参考文献 20

第二章近红外光谱分析技术

PAGE19

绪论

现如今，鱼类等水生生物的消费量不断增加，国际水产市场也随之不断发展，各国为了对进出口鱼种和程序进行规范和完善，也在不断推行各种政策。我国鱼类进出口在国际市场占有重要地位，主要进出口鱼类有鳕鱼、三文鱼、金枪鱼等等，都具有较高的经济价值。随着国际水产贸易兴起，在高额利润的面前，一些国内外企业铤而走险、弄虚作假，以次充好、以假充真的事件时有发生，如以油鱼、银鳕鱼冒充黑鳕鱼；一些鱼肉罐头、鱼子酱、鱼肉松、鱼干等鱼肉产品中野存在掺杂廉价鱼肉的现象；三文鱼价格差异大，低的每斤价格数十元，高的能达到数百元，其鱼类制品在国内外市场则全部以“三文鱼”之名售卖，导致三文鱼的销售情况混乱，令消费者真假难辨REF_Re\r\h[1]。据统计，欧美鱼类市场上，20%以上的鱼类存在标记分类错误，90%以上的金枪鱼制品都是蛇鲭鱼或油甘鱼制作。传统的鱼类物种鉴定、识别方法，主要有形态学方法和生物学方法REF_Re\r\h[2]，这些方法普遍存在鉴定周期、速度、准确率上的缺陷，费时费力，特别是对鱼糜类制品，辨识能力极差。为了节约劳动力，精确、高效地进行鱼类物种辨识，人们研究了其他分类方法。近年来分子生物学发展迅速，分子检测技术，如普通聚合酶链反应(PCR)技术REF_Re\r\h[3]、微型DNA条形码技术REF_Re\r\h[4]等，也逐渐在鱼类物种鉴定方向得到应用。但是，分子检测技术虽然在准确率上有保证，对于设备、环境的要求却不低，鉴定费用较高、鉴定速度慢、鉴定周期长。

近红外光谱分析技术因快速、无损的特点而得到广泛应用REF_Re\r\h[5]REF_Re\r\h[6]。近红外光谱主要由含氢基团分子振动的倍频和合频吸收产生，其中包含了丰富的信息，如吸收峰的强度和位置差异等。鱼类当中存在的有机分子，含有丰富的含氢基团，同样可以在近红外光谱区提供特征信息。因此，近红外光谱分析技术完全能够满足鱼类物种鉴定的需求。红外光谱数据可以结合传统的机器学习算法如KNN，PLS进行鱼类物种鉴定REF_Re\r\h[7]REF_Re\r\h[8]，也可以使用支持向量机和深度学习的分类算法。支持向量机是典型的有监督分类算法之一，可以根据给定类别的数据点确定一个超平面，将新的数据点划分在不同类别。对于一维光谱数据，数据量合适的情况下，全连接人工神经网络可以保留所有光谱信息，学习出更符合需求的神经网络。卷积神经网络作为近几年最热门的深度学习算法，其神经元指感知局部信息，同层中使用的卷积核共享参数，使得需要训练的参数数量大大减少，近红外光谱数据在空间上有关联形成特征，且每个空间上采样原理一致，适合使用卷积神经网络进行学习。

鱼类进出口贸易中，鳕鱼和鲑鱼占有较大比重REF_Re\r\h[9]