来源：期刊VIP网 时间：
作者：张丽;李志辉;马明星;
单位：河南工业职业技术学院;河南省柔性制造工程研究中心;郑州大学;
摘要：[目的]实现猪肉新鲜度的快速、无损且高精度检测，解决传统检测方法效率低、破坏性强及单一模型预测精度不足的问题。[方法]提出一种近红外光谱（NIRS）结合果蝇优化算法（FOA）改进随机森林（RF）的猪肉新鲜度检测模型。以总挥发性盐基氮（TVB-N）质量分数作为猪肉新鲜度评价指标，首先采集不同贮藏阶段猪肉样品的近红外光谱数据（扫描范围1 000～1 800 nm），通过多元散射校正（MSC）与一阶导数结合的预处理方法消除光谱噪声与基线漂移；采用FOA优化RF的关键超参数（决策树数量、最小叶子节点样本数、最大特征数），构建果蝇优化算法改进随机森林（FOARF）预测模型。[结果]在各类预测模型中，FOA-RF模型对猪肉TVB-N质量分数的估算精度最高。该模型在预测集上的均方根误差（RMSEP）仅为1.582 mg/100 g；同时，其预测集相关系数（R_p）为0.978，决定系数（）为0.956，残差预测偏差（RPDp）也高达4.723，显著优于其他对比模型。相比之下，传统偏最小二乘回归（PLSR）、未优化随机森林以及网格搜索优化随机森林（GS-RF）等模型的综合预测性能均不及FOA-RF模型。[结论]该方法高效、精准，可满足肉类工业现场快速检测需求。
关键词：近红外光谱;;果蝇优化算法;;随机森林;;猪肉新鲜度;;总挥发性盐基氮;;无损检测
基金资助：河南省科技攻关项目（编号：252102210224,252102210008）
