(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211159883.1 (22)申请日 2022.09.22 (71)申请人 佛山科学技术学院 地址 528200 广东省佛山市南海区广云 路 33号 (72)发明人 向海　周天日　谢莉　李华　 (74)专利代理 机构 佛山信智汇知识产权代理事 务所(特殊普通 合伙) 44629 专利代理师 冯桂彬 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) G06F 17/18(2006.01) A61B 5/0537(2021.01) G01G 17/08(2006.01)G01B 21/02(2006.01) (54)发明名称 一种结合生物电阻测量和机器学习预测肉 鸡腹脂重的方法 (57)摘要 本发明提供了一种结合生物电阻测量和机 器学习预测肉鸡腹脂重的方法， 包括： 进行生物 电阻抗与鸡体尺数据测量以获取数据集； 构建多 元线性回归机器学习模型， 计算均方根误差和拟 合度， 选取最优测量点位； 构建岭回归机器学习 模型， 计算均方根误差和拟合度， 选取最优测量 点位； 构建套索回归机器学习模型， 计算均方根 误差和拟合度选取最优测量点位； 构建逻辑回归 机器学习模型， 获取预测结果并计算模型准确 率； 比较多元线性回归机器学习模型、 岭回归机 器学习模型以及套索回归机器学习模型的均方 根误差以及拟合度， 选择均方根误差小且拟合度 大的学习模 型作为最终回归模型； 获取待预测的 鸡的腹脂重。 本发明可以准确预测活鸡腹脂含 量， 降低了测量成本 。 权利要求书2页 说明书5页 附图1页 CN 115526099 A 2022.12.27 CN 115526099 A 1.一种结合生物电阻测量和机器学习预测肉鸡腹脂重的方法， 其特征在于， 包括如下 步骤： 进行生物电阻抗与鸡体尺数据测量， 读取读取鸡体重、 体斜长、 腰围以及生物电阻抗数 据并屠宰测量鸡的腹脂 重以获取 数据集， 其中， 生物电阻抗的测量 点位包括多个； 构建多元线性回归机器学习模型， 将数据集导入多元线性回归机器学习模型， 计算均 方根误差和拟合度， 对多个测量 点位的拟合度进行比较， 选取最优测量 点位； 构建岭回归机器学习模型， 将数据集导入岭回归机器学习模型， 计算均方根误差和拟 合度， 对多个测量 点位的拟合度进行比较， 选取最优测量 点位； 构建套索回归机器学习模型， 将数据集导入套索回归机器学习模型， 计算均方根误差 和拟合度， 对多个测量 点位的拟合度进行比较， 选取最优测量 点位； 构建逻辑 回归机器学习模型， 将数据集中高于平均腹脂重二分之一设置为0， 低于平均 腹脂重二分之一设置为 1以获取新数据集， 将新数据集导入逻辑回归机器学习模 型， 获取预 测结果并计算模型准确率； 比较多元线性 回归机器学习 模型、 岭回归机器学习 模型以及套索回归机器学习 模型的 均方根误差， 比较多元线性回归机器学习模型、 岭回归机器学习模型以及套索回归机器学 习模型的拟合度， 选择均方根误差小且拟合度大 的学习模型作为最终回归模型， 并获取最 终回归模型对应的最优测量 点位； 将待预测的鸡的体重、 体斜长、 腰围以及生物电阻抗数据导入最终回归模型， 获取待预 测的鸡的腹脂 重。 2.如权利要求1所述的一种结合生物电阻测量和机器学习预测肉鸡腹脂重的方法， 其 特征在于， 多个生物电阻抗的测量点位包括第一测量点位、 第二测量点位以及第三测量点 位， 第一测量点位在左侧 翅膀的尺骨和桡骨 间的肌肉所在处， 第二测量点位在龙骨右侧下 方的腹部， 第三测量 点位在龙骨下缘的腹部 。 3.如权利要求2所述的一种结合生物电阻测量和机器学习预测肉鸡腹脂重的方法， 其 特征在于， 构建多 元线性回归机器学习模型， 将数据集导入多 元线性回归机器学习模型， 计 算均方根误差和拟合度的具体方法包括如下步骤： 将数据集拆分为训练数据集和测试数据 集， 根据训练数据集建模， 删除测试数据集中的预测变量， 用剩下 的自变量进行预测， 计算 得到回归系数， 计算建模数据中因变量的均值， 统计变量个数和观测个数， 计算均方根误差 和拟合度。 4.如权利要求3所述的一种结合生物电阻测量和机器学习预测肉鸡腹脂重的方法， 其 特征在于， 构建 岭回归机器学习模型， 将数据集导入岭回归机器学习模型， 计算均方根误差 和拟合度的具体方法包括如下步骤： 将数据集拆分为训练数据集和测试数据集， 构造匿名 函数， 构造空列表以存储岭回归机器学习模型的偏回归系数， 循环迭代不同的匿名函数， 绘 制匿名函数与回归系数的关系， 设置交叉验证的参数， 对于每一个 匿名函数值， 执行10重交 叉验证， 进行模型拟合， 返回最佳匿名函数， 得到回归系数， 计算均方根 误差和拟合度。 5.如权利要求4所述的一种结合生物电阻测量和机器学习预测肉鸡腹脂重的方法， 其 特征在于， 构建套索回归机器学习模型， 将数据集导入套索回归机器学习模型， 计算均方根 误差和拟合度的具体方法包括如下步骤： 将数据集拆分为训练数据集和测试数据集， 构造 匿名函数， 构造空列表以存储套索回归机器学习模型 的偏回归系 数， 循环迭代不同的匿名权　利　要　求　书 1/2 页 2 CN 115526099 A 2函数， 绘制匿名函数与回归系数的关系， 设置交叉验证的参数， 对于每一个匿名函数值， 执 行10重交叉验证， 进行模型拟合， 返回最佳匿名函数， 得到回归系数， 计算均方根误差和拟 合度。 6.如权利要求5所述的一种结合生物电阻测量和机器学习预测肉鸡腹脂重的方法， 其 特征在于， 最终回归 模型的输出回归预测方程 为y＝a*x1+b*x2+c *x3+d*x4； 其中， y为腹脂 重， x1为体重， x2为体斜长， x3为腰围， x4 为电阻， a、 b、 c、 d为常数。 7.一种计算机可读存储介质， 其特征在于， 存储有计算机程序， 当计算机程序被处理器 执行时实现如权利要求 1‑6任一项所述的结合生物电阻测量和机器学习预测肉鸡腹脂重的 方法。权　利　要　求　书 2/2 页 3 CN 115526099 A 3