基于深度图像处理技术的海树果水分含量的视觉分析

科学领域:

• 农业工程 农业工程
• 食品科学 食品科学 食品科学
• 计算机视觉 计算机视觉

背景情况:

• 在干燥过程中监测海 (Hippophae rhamnoides) 对于质量至关重要.
• 评估水分含量的传统方法可能耗时且具有破坏性.

研究的目的:

• 为了研究水分含量变化对干燥过程中海棘外观的影响.
• 使用计算机视觉开发一种非破坏性方法,用于实时检测含水量.
• 使用长短期记忆 (LSTM) 网络预测海棘的外观.

主要方法:

• 海松在65°C的温度下干燥,风速为1级.
• 在整个干燥过程中,每30分钟拍摄一次图像.
• 计算机视觉和图像处理技术用于数据分析.
• 颜色组件进行校准和建模,以检测水分含量.
• 使用LSTM网络,根据水分含量预测水果的外观.

主要成果:

• 通过校准的颜色组件实现了海松水分含量的实时在线检测.
• 该研究证明了图像分析在监测干燥过程中的有效性.
• LSTM 建模显示了预测与水分含量相关的海棘外观变化的潜力.

结论:

• 颜色成分分析是一种可行且有效的方法,可以在干燥过程中非破坏性地监测海松的水分含量.
• 与LSTM集成的计算机视觉提供了一个有前途的方法,用于水果加工的质量控制.
• 标准化的色彩建模,即使数据有限,也可以应用于各种农产品以检测水分.