使用机器学习模型探索"Mejhoul"和"Boufeggous"日棕果的图像纹理参数上的对流和红外干燥效应
Younes Noutfia1, Ewa Ropelewska1
1Fruit and Vegetable Storage and Processing Department, The National Institute of Horticultural Research, Konstytucji 3 Maja 1/3, 96-100 Skierniewice, Poland.
Foods (Basel, Switzerland)
|June 19, 2024
概括
机器学习准确地分类了在干后的枣树果的质量. 这种非破坏性方法可以区分新鲜,对流干燥和红外干燥的样品.
科学领域:
- 农业工程 农业工程
- 食品科学 食品科学 食品科学
- 计算机科学 计算机科学
背景情况:
- 枣树 (Phoenix dactylifera L.) 的水果质量受到干燥过程的影响.
- 对干燥对外部特征的影响的客观评估对于质量控制至关重要.
研究的目的:
- 根据干燥方法开发和评估机器学习模型,以非破坏性地根据枣水果进行分类.
- 为了比较不同干燥技术 (对流和红外) 对枣子水果质量的有效性.
主要方法:
- 枣树的果实 ("Mejhoul"和"Boufeggous"品种) 用对流和红外方法在60°C下干燥.
- 从各种颜色模型 (RGB,Lab,XYZ,UVS) 的扫描图像中提取图像纹理参数.
- 机器学习算法 (贝叶斯,树,惰,函数,Meta) 用于构建分类模型.
主要成果:
- 随机森林模型实现了高分类准确度:Mejhoul的99.33%和Boufeggous的94.33%.
- 这些模型成功地区分了新鲜的,对流干燥的和红外干燥的棕果.
- 新鲜和红外干燥样品之间的歧视是最高的,新鲜和对流干燥样品之间有更多的错误分类.
结论:
- 开发的机器学习方法提供了一种创新的,非破坏性的方法来评估干燥对枣子水果质量的影响.
- 这种技术对于质量控制和保持干燥的棕产品的外观特征有价值.
- 该研究强调了图像纹理分析与机器学习相结合在农产品评估中的潜力.
