热成像的应用与机器学习相结合,用于检测麻瓜根的恶化
Jetsada Posom1, Chutatip Duangpila1, Khwantri Saengprachatanarug1
1Department of Agricultural Engineering, Faculty of Engineering, Khon Kaen University, Khon Kaen,40002, Thailand.
Heliyon
|October 16, 2023
概括
热成像与机器学习 (ML) 结合,提供了一种有希望的,非破坏性的方法来评估豆的新鲜度. 这种方法通过分析内部温度变化来准确检测根部恶化,这对于质量控制至关重要.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 计算机科学 计算机科学
背景情况:
- 大麻的新鲜度对于质量评估至关重要,因为降低的新鲜度与较低的粉含量相关.
- 对于食品行业来说,非破坏性地检测麻根的恶化是至关重要的.
研究的目的:
- 开发一种新的方法,通过热成像和机器学习 (ML) 来检测麻瓜根的恶化水平.
- 调查热成像的潜力,以识别由非新鲜麻根发酵引起的内部温度差异.
主要方法:
- 捕获了麻瓜茎的热图像,并从感兴趣的区域 (ROI) 提取像素强度和温度等特征.
- 应用了各种ML算法,包括线性差异分析 (LDA),k-近邻 (kNN),支持向量机 (SVM),决策树和集体分类器.
- 模型在受控 (25°C暗室) 和不受控制的环境条件下进行评估.
主要成果:
- 在受控条件下使用LDA,SVM和集成分类器实现了最高的分类准确率86.7%.
- 热成像与ML相结合,即使在不受控制的环境条件下,也显示出可接受的准确性,尽管低于受控设置.
- 该研究证实,通过热成像检测到的内部温度变化与麻根恶化相关.
结论:
- 热成像与ML相结合是一种有前途的非破坏性技术,用于评估麻根恶化水平.
- 这种方法可以帮助评估商业大麻茎的质量,确保更好的产品标准.
- 进一步的研究可以优化模型的现实世界,可变的环境条件.
