FSAP | 南京农业大学王鹏教授：基于生物电阻抗特征的鸡木质胸肉深度学习分类

本文由南京农业大学王鹏教授团队撰写，探讨了基于生物电阻抗特征的鸡胸肉木质化（WB）分类方法。研究通过偏最小二乘法（PLS）和有限内存Broyden-Fletcher-Goldfarb-Shanno（L-BFGS）深度学习模型，对正常鸡胸肉（NORM）及不同等级的WB进行了分类。结果表明，随着WB等级的增加，鸡胸肉的阻抗特征值发生变化，这些变化可用于区分不同等级的WB。PLS模型在训练样本中表现良好，而L-BFGS深度学习模型在测试样本中显示出更高的准确率。研究结论指出，生物电阻抗结合深度学习技术能够有效分类WB，避免了传统人工触诊的不足，对提高鸡胸肉质量检测效率具有重要意义。