来源：期刊VIP网 时间：
作者：马荔瑶;卫鹏;范肖辰;徐元;毕淑慧;
单位：济南大学自动化与电气工程学院;
摘要：为了提高苹果自动分级分拣系统的性能，提出一种基于证据有序极限学习机Bagging集成的无损苹果分级模型。使用苹果近红外光谱中提取的特征作为输入，根据可溶性固形物含量将苹果分为3个等级；考虑等级类标的认知不确定性和有序性，在Dempster-Shafer理论框架内提出高斯质量函数生成方法和证据编码方案；构造以证据编码为输出的证据有序极限学习机作为基学习器，通过Bagging算法实现集成学习；选取435个红富士苹果作为实验样本生成数据集，并进行交叉验证。结果表明，所提出的证据有序极限学习机Bagging集成模型的分级准确率达到91%,该模型训练时间比证据有序神经网络集成模型的缩减至少2个数量级。
关键词：苹果分级;;近红外光谱;;Dempster-Shafer理论;;有序分类;;集成学习
基金资助：国家自然科学基金项目(61803175);; 山东省自然科学基金项目(ZR2021MF074,ZR2023MF094)
