来源：期刊VIP网 时间：
作者：陈卫东;刘超;范冰冰;丰秋楠;丁俊丹;何为;
单位：河南工业大学信息科学与工程学院;粮食储运国家工程研究中心;
摘要：针对基于传统图像处理的小麦粉麸星含量测定存在分割困难和统计误差大的问题，提出基于贝叶斯优化极限梯度提升算法(eXtreme Gradient Boosting, XGBoost)的小麦粉麸星含量预测模型。使用方差膨胀因子(Variance Inflation Factor, VIF)对小麦粉RGB图像的颜色和纹理特征进行筛选，构建小麦粉麸星含量数据集。将筛选后的特征和麸星含量参数分别作为模型的输入和数据标签，训练完成后，将其与随机森林(RF)、梯度提升决策树(GBDT)、AdaBoost (Adaptive Boosting)和卷积神经网络(CNN)进行对比试验。结果表明：XGBoost的平均绝对误差为0.004 4,与RF、GBDT、AdaBoost和CNN相比，分别降低了18.51%、22.81%、18.51%、24.14%。该算法模型可以实现麸星含量的准确预测，对指导小麦粉适度加工、提高检测效率具有较强的实用价值。
关键词：小麦粉;;加工精度;;麸星含量;;机器学习;;XGBoost
基金资助：财政部和农业农村部国家现代农业产业技术体系资助项目(CARS-03)
