17 Wu W. . Chen G. Y. Kang R. . Xia J. C. Huang Y. P. Chen K. J. основанный на алгоритме последовательных проекций и многомерной линейной регрессии классификатор рабочая характеристика приемника гиперспектральное изображение куриная тушка обнаружение загрязняющих веществ SPA-MLR classifier ROC analysis hyperspectral imaging chicken carcass contaminant detection 2017 2025-03-12 Журнал прикладной спектроскопии Разработан классификатор для автоматического обнаружения загрязняющих веществ на куриных тушках, основанный на алгоритме последовательных проекций (АПП) и многомерной линейной регрессии (МЛР) и использующий пороговое значение оптимальной производительности. Гиперспектральные изображения для калибровки и проверки получены с помощью гиперспектральных систем визуализации. Регрессионная модель классификатора создана на основе 12 характерных длин волн (505, 537, 561, 562, 564, 575, 604, 627, 656, 665, 670 и 689 нм), выбранных с помощью АПП. Оптимальный порог Т = 1 получен из анализа рабочей характеристики приемника. Классификатор АПП-МЛР показывает лучшие результаты в обнаружении загрязнений по сравнению с классификатором, основанным на АПП и частичной регрессии с использованием метода наименьших квадратов, и с классификатором на основе векторной машины, использующей метод наименьших квадратов. Количество истинно положительных решений, приближающееся к 100%, при ложных срабатываниях (0.392%) указывает на то, что классификатор АПП-МЛР может использоваться для эффективного обнаружения загрязняющих веществ на куриных тушках. https://www.academjournals.by/publication/16430 https://www.academjournals.by/files/16384