Identificación del grado de tostado y análisis de interpretabilidad de los granos de café arábica de Yunnan basado en...

Área de la Ciencia:

• Ciencias de la alimentación Ciencias de la alimentación.
• Ciencias de la computación Ciencias de la computación
• La inteligencia artificial es inteligencia artificial.

Sus antecedentes:

• La identificación precisa del grado de tostado del café es crucial para una calidad constante.
• Los métodos tradicionales a menudo carecen de objetividad y transparencia.
• Los modelos de aprendizaje profundo ofrecen potencial, pero a menudo funcionan como cajas negras.

Objetivo del estudio:

• Desarrollar un sistema de IA interpretable para la identificación precisa del grado de tostado del café.
• Para fusionar múltiples características de imagen para un análisis robusto del grano de café.
• Para superar la limitación de la caja negra del aprendizaje profundo en el tostado de café.

Principales métodos:

• Fusión ponderada de los histogramas de color CIE L*a*b*, las características de textura (GLCM-LBP) y los parámetros morfológicos.
• Aplicación de las Redes Neurales Convolucionales (CNN) para la clasificación.
• Análisis de SHapley Additive Explanations (SHAP) para la interpretabilidad del modelo.

Principales resultados:

• CNNs logró la mayor precisión en la identificación de grados de tostado.
• El análisis SHAP reveló fuertes correlaciones negativas entre las características clave y las predicciones, que varían según el nivel de asado.
• La verificación externa mostró una alta precisión: 100.0% para oscuras, 91.5% para claras y 93.8% para tostadas medianas.

Conclusiones:

• El sistema de IA interpretable propuesto permite una identificación precisa y transparente del grado de tostado del café.
• El sistema integra la adquisición automática de imágenes, la extracción de características y la inferencia, apoyando la trazabilidad.
• Este enfoque proporciona una técnica precisa y explicable para estandarizar los procesos de tostado de café.