在Panax人参中使用高光谱成像结合新型合体化学模型的三种人参酸的预测性能和可靠性评估

科学领域:

• 农业科学 农业科学
• 分析化学 分析化学
• 生物技术是生物技术.

背景情况:

• 帕纳克斯人参 C. A. Meyer (PG) 是因为其健康益处而受到重视.
• 金色化物含量 (Rb1,Rg1,Re) 是一个关键的质量指标.
• 种植方式和种植年份会影响人参化物水平,因此需要准确的预测方法.

研究的目的:

• 开发和评估一种有效的方法来预测PG中的金色化物含量.
• 用超光谱成像 (HSI) 和合并模型来评估预测性能和不确定性.
• 为PG建立一个快速可靠的质量控制技术.

主要方法:

• 使用过光谱成像 (HSI) 结合卷积神经网络 (CNN),门循环单元 (GRU) 和高斯过程回归 (GPR) 组合模型 (CGRU-GPR).
• 选择有效波长以提高运营效率.
• 通过预测区间覆盖概率 (PICP) 和平均宽度百分比 (MWP) 评估预测准确度使用相对百分比偏差 (RPD) 和预测不确定性.

主要成果:

• CGRU-GPR模型取得了令人满意的预测结果,其中三种关键人参酸的RPD值超过2.70.
• 该模型显示预测不确定性很低,PICP在0.97到1.0之间,MWP在0.7%到1.66%之间.
• 有效的波长选择提高了模型效率.

结论:

• CGRU-GPR模型提供了一种快速,可靠和准确的方法来预测Panax人参中的人参化物含量.
• 这种基于HSI的方法为PG的质量评估和控制提供了一个强大的工具.
• 这项研究成功地解决了需要有效预测由种植因素影响的金氏酸含量的需求.