使用基于卷积神经网络的微高光谱图像检测土豆中的安托西亚宁

科学领域:

• 农业科学 农业科学
• 食品科学 食品科学 食品科学
• 分析化学 分析化学

背景情况:

• 彩色的土豆被评价为安东素,强大的抗氧化剂具有健康益处.
• 目前检测安托素含量的方法是耗时且劳动密集的.
• 开发快速准确的检测技术对于土豆行业至关重要.

研究的目的:

• 开发一种快速而准确的方法来量化彩色土豆中的安托西亚宁含量.
• 为了比较卷积神经网络 (CNN) 和部分最小平方回归 (PLS) 算法的性能.
• 评估光谱数据预处理和特征提取技术,以提高预测准确度.

主要方法:

• 使用微观超光谱设备,从土豆外皮和内皮中获取光谱数据.
• 光谱数据经历了各种预处理步骤,包括原始,预处理和特征选择的光谱.
• 卷积神经网络 (CNN) 和部分最小平方回归 (PLS) 模型被开发和比较.

主要成果:

• 与部分最小平方回归 (PLS) 算法相比,卷积神经网络 (CNN) 算法显示出更高的预测准确性.
• 通过使用内皮肤的光谱数据来预测安托素含量的最佳模型.
• 使用预处理的光谱数据 (Savitzky-Golay + Detrend) 和CNN,表现最好的模型产生了高相关系数和低误差率 (例如,Rc=0.9499,Rp=0.9439).

结论:

• 超光谱成像与卷积神经网络 (CNN) 结合,提供了一种可行且准确的方法来确定彩色土豆中的安东含量.
• 开发的方法在速度和效率方面显著改进了传统化学分析.
• 这种方法对彩色马品种的质量控制和市场发展具有前景.