一种低成本的离散Vis-NIR光学传感方法,用于确定梨内部黑心
Long Li1, Yifan Zhang2, Yajuan Bai3
1Institute of Food Science and Technology, Chinese Academy of Agricultural Sciences, Beijing 100193, China; Weifang Institute of Food Science and Processing Technology, Weifang 261000, China; Sanya Institute, Hainan Academy of Agricultural Sciences, Sanya 572025, China.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|September 7, 2023
概括
一个新的微光传感器系统有效地检测到烂的皇冠梨心. 将Savitzky-Golay (SG) 预处理与k-最近邻居 (KNN) 算法相结合,实现了0.98的准确性,用于这种具有成本效益的模具检测方法.
科学领域:
- 农业技术 农业技术
- 光学传感传感器是什么?
- 食品质量评估 食品质量评估
背景情况:
- 皇冠梨中的菌污染造成了严重的食品安全和质量问题.
- 准确和高效的检测方法对于防止菌产品的传播至关重要.
- 现有的检测系统可能缺乏成本效益或准确性,无法广泛应用.
研究的目的:
- 利用微光传感器开发一个具有成本效益的冠梨核检测系统.
- 评估和优化用于离散光谱分析的光谱数据预处理技术.
- 为了比较线性和非线性建模方法用于模具检测的性能.
主要方法:
- 开发一个具有七个特定波长 (425-850 nm) 的微光传感器系统.
- 七种光谱预处理方法的比较,确定萨维茨基-戈莱 (SG) 卷积光滑是最佳的.
- 评估部分最小平方回归 (PLSR) 和非线性建模,包括k-最近邻居 (KNN).
主要成果:
- 萨维茨基-戈莱 (SG) 预处理将部分最小平方回归 (PLSR) 模型的相关性提高到0.86 (RMSE 0.19).
- 非线性建模,特别是k-近邻 (KNN) 算法,显著超过了PLS,达到0.9以上的平均精度.
- 结合的SG预处理和KNN算法 (SG + KNN) 产生了最高的0.98.8的预测准确度.
结论:
- 开发的微光传感器系统提供了一个低成本和高精度的解决方案,用于检测烂的皇冠梨核.
- SG + KNN 方法在模检测中的离散光谱数据分析方面表现出卓越的性能.
- 该系统的优势有助于实际实施和在农业行业广泛采用.
