2、偏最小二乘算法在脂肪深度测量模型开发中的智能应用

偏最小二乘算法在脂肪深度测量模型开发中的智能应用

1 引言

在肉类行业追求利润最大化的过程中，减少脂肪修剪的劳动力成本至关重要。澳大利亚的胴体交易主要围绕胴体重量，皮下脂肪量对可销售肉类的产量起着关键作用。当瘦肉产量减少时，为满足客户标准，就需要投入更多劳动力来修剪多余脂肪。为降低重大经济损失的风险，一种新型的非侵入性、无损技术应运而生，用于准确评估脂肪深度。

这种创新技术采用了微波系统（MiS）来测量胴体内的脂肪含量。与侵入性方法不同，该方法使用低功率、非电离的电磁波来量化脂肪水平，对动物及其组织的影响极小。目前在澳大利亚，评估羔羊胴体脂肪和组织深度的常用标准要么是主观触诊估计，要么是侵入性的客观切割技术，但MiS方法更具潜力。它利用微波频率的独特特性来区分不同层，特别是具有不同介电特性的生物组织。MiS是一种基于逆散射的主动微波测量方法，利用介电属性反射微波信号，并在同一位置收集反射和散射信号。

默多克大学设计了一款价格合理的便携式MiS原型，并结合了多个实验性宽带天线来预测胴体脂肪深度。该系统集成了计算机模块、操作系统和基于Python的自动化程序，用于数据采集和信号处理。实验设备使用单个宽带Vivaldi贴片天线（VPA）来发射和接收反射信号。

这种经济实惠的便携式MiS非侵入性方法为预测C部位脂肪深度提供了一种可行的替代超声测量的方案。其重要性不仅在于技术的准确性，还在于它有助于在整个供应链中做出明智的决策。因此，有必要进一步研究利用该技术开发脂肪深度的预测模型。本研究的主要目标是利用这种非侵入性、经济实惠的便携式MiS构建脂肪深度的预测模型。同时，处理高维数据中的多重共线性问题也是一个重要挑战，因为预测变量数量达到311个，超过了可用的120个观测