使用VIS-NIR光谱和RGB图像以及整个蛋重量的蛋黄重量的估计
1College of Mathematics Informatics, South China Agricultural University, Guangdong, China.
Poultry science
|May 21, 2024
概括
使用非破坏性可见近红外 (VIS-NIR) 光谱和RGB成像,准确估计蛋黄的重量. 这种方法将光谱和图像数据与全蛋重量相结合,以精确预测蛋黄重量.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 频谱学是一种光谱学.
背景情况:
- 蛋黄重量 (YW) 对市场价值至关重要,但缺乏非破坏性估计方法.
- 准确的YW预测需要整合外部 (表型) 和内部蛋特征.
研究的目的:
- 开发一种非破坏性的方法来估计蛋YW.
- 结合可见近红外 (VIS-NIR) 光谱和RGB成像用于YW预测.
- 为了研究蛋颜色和厚度对光谱透射率的影响.
主要方法:
- 使用VIS-NIR光谱检测内部卵子信息,以及用于表型特征的高清摄像头.
- 应用主要组件分析 (PCA) 用于减小光谱和RGB数据的维度.
- 开发了一个部分最小平方回归 (PLSR) 模型,集成光谱,图像和整个蛋重量数据.
主要成果:
- 频谱曲线呈现出特有的高峰和低谷,反映出内部蛋的组成.
- 蛋的颜色和厚度对光谱透射率的影响很小.
- 在试验组中,PLSR模型实现了0.82的确定系数 (R2) 和1.05g的根平均平方误差 (RMSE).
结论:
- VIS-NIR光谱和RGB成像提供了一种可行的非破坏性方法来估计蛋YW.
- 开发的模型有效地预测了YW,而蛋的特性影响很小.
- 这种方法为蛋产业提供了有价值的工具.
