研究成果|机器学习预测南极磷虾鲜度与虾酱品质的关联模型研究

本研究背景在于南极磷虾作为虾酱发酵原料，因其内源水解酶活性高且易腐败，导致原料鲜度批次差异大，进而影响产品品质一致性，而传统方法难以准确预测。研究目的是应用机器学习技术，基于原料鲜度预测发酵虾酱品质，以提升产品一致性与过程可控性。研究结论显示，磷虾在室温储存24小时即显著腐败，导致虾酱品质下降；通过集成Lasso回归特征选择与线性回归模型，成功构建了高性能预测框架，能高精度稳定预测虾酱的多种品质属性，为原料智能筛选和发酵过程精准控制提供了数据驱动工具。