通过使用机器学习和遗传算法分析光谱测量来对可可豆进行分类.
Kacoutchy Jean Ayikpa1, Pierre Gouton1, Diarra Mamadou1
1Laboratoire Imagerie et Vision Artificielle (ImViA), Université de Bourgogne, 21000 Dijon, France.
Journal of imaging
|January 22, 2024
概括
优化机器学习参数可以提高可可豆质量分类. 基因算法和光谱分析提高了准确性,使生产者和巧克力行业受益.
科学领域:
- 农业科学 农业科学
- 数据科学数据科学数据科学
- 食品科学 食品科学 食品科学
背景情况:
- 可可豆的质量对巧克力的感官属性和消费者吸引力产生重大影响.
- 高品质的可可豆具有经济价值,特别是对于象牙海岸等地区的生产者来说.
研究的目的:
- 用先进的光谱分析和机器学习来评估和分类可可豆的质量.
- 通过使用遗传算法进行参数调整来优化分类模型性能.
主要方法:
- 分析了可可豆的光谱测量结果.
- 使用了机器学习算法,包括后勤回归,支持向量机 (SVM),随机森林,XGBoost和AdaBoost.
- 遗传算法被用于参数优化.
主要成果:
- 参数优化对于实现最佳分类性能至关重要.
- 在使用所有参数时,物流回归显示了最高的精度 (83.78%).
- 在第二代参数选择后,逻辑回归实现了84.71%的精度,而随机森林在最终选择中以74.12%的精度领先.
结论:
- 该研究强调了将光谱分析和机器学习整合到可可豆质量评估中的有效性.
- 优化的机器学习模型,特别是后勤回归和随机森林,显示出客观可可质量分类的希望.
更多相关视频
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.6K
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
12.4K
