УДК007.51

ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ БАКТЕРИЙ В ПРОДУКТАХ ПИТАНИЯ

Саенко А.П., Мусалимов В.М., Лерм Ш., Линц Г.


Читать статью полностью 

Аннотация

Рассматривается один из способов решения актуальной проблемы обеспечения контроля качества продуктов питания с использованием методов машинного обучения. Существующие в настоящее время методы анализа требуют специального лабораторного оборудования, значительного времени и сильно зависят от квалификации и некоторых физиологических особенностей эксперта, в то время как предлагаемый метод позволяет существенно снизить затраты за счет автоматизации процесса. Рассмотрено устройство, реализующее данный метод, принцип действия которого основан на флуоресцентной микроскопии. Для набора обучающих данных решена задача классификации объектов на классы «бактерия» и «сторонний артефакт», проведен сравнительный анализ различных алгоритмов классификации (метод опорных векторов, случайный лес, деревья решений C4.5, метод k ближайших соседей, метод Байеса), который показал, что наилучшей эффективностью обладают метод опорных векторов и случайный лес. Данная работа выполнена на кафедре мехатроники Санкт-Петербургского национального исследовательского университета информационных технологий, механики и оптики и кафедре контроля качества и промышленной обработки изображений Технического университета г. Ильменау (Германия) в рамках совместной программы «Михаил Ломоносов» Министерства образования и науки Российской Федерации и Германской службы академических обменов.


Ключевые слова: машинное обучение, обнаружение бактерий

Список литературы
1. Bigus J.P. Data Mining with Neural Networks. McGraw-Hill, 1996. P. 220.
2. The handbook of data mining / Ed. N.Ye. Lawrence Erlbaum Associates, 2003. 689 p.
3. Дьяконов А.Г. Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (Практикум на ЭВМ кафедры математических методов прогнозирования): Учеб.пособие. М.: Издательский отдел факультета ВМК МГУ им. М.В. Ломоносова, 2010. 278 с 
4. Anding K. Automatisierte Qualitätssicherung von Getreide mit überwachten Lernverfahren in der Bildverarbeitung: Dissertation zur Erlangung der akademischen Grades Doktoringenieur (Dr.-Ing.). Ilmenau, Germany: Technische Universität Ilmenau, 2010. 235 p.
5. Witten I.H., Frank E., Hall M.A. Data Mining: Practical Machine Learning Tools and Techniques. 3rd ed. Morgan Kaufmann, 2011. 629 p.
6. Bramer M. Principles of data mining. 2nd ed. Springer, 2013. 440 p.
7. Латыев С.М., Воронин А.А., Андинг К., Линц Э., Курицын П.А. Оптико-электронные методы и средства идентификации веществ и материалов // Изв. вузов. Приборостроение. 2013. Т. 56. № 10. С. 81–87.
8. ISO 6579:2002. Microbiology of food and animal feeding stuffs – Horizontal method for the detection of Salmonella spp. 08.08.2002. 32 p.
9. Lerm S., Holder S., Gopfert A., Futterer R., Linss G. Concepts of a scanning hardware platform for highresolution image processing with Lab-on-a-chip analysis // Proc. of the 15th International Symposium «MECHATRONIKA». Prague, 2012. P. 1–4.
10. Lerm S. Objektsegmentierung von kompakten Schüttgut für die technische Erkennung: Dissertation zur Erlangung der akademischen Grades Doktoringenieur (Dr.-Ing.). Ilmenau, Germany: Technische Universität Ilmenau, 2012. 235 p.
11. Саенко А.П. Программная система бинаризации и сегментации изображений: Свидетельство о государственной регистрации программы для ЭВМ 2013613134. Заявл. 2013.
12. Shapiro L., Stockman G. Computer Vision. Prentice Hall PTR, 2001. 580 p.
13. Gonzalez R.C., Woods R.E. Digital Image Processing. 2nd ed. Prentice Hall, 2002. 793 p.
14. Erhardt A. Einführung in die Digitale Bildverarbeitung. Vieweg+Teubner Verlag, 2008. 248 р.
15. HALCON Version 11.0.1 – HALCON / HDevelop Reference Manual. MVTec Software GmbH, 2012. 2352 p.
16. Саенко А.П. Оценка эффективности обнаружения бактерий методами обработки цифровых изображений и интеллектуального анализа данных // Сборник научных трудов Одиннадцатой сессии международной научной школы «Фундаментальные и прикладные проблемы надежности и диагностики машин и механизмов». СПб: Институт проблем машиноведения РАН, 2013. С. 318–321.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2019 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика