评估"金色美味"的果使用电子鼻子和机器学习来确定成熟阶段

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 感官科学 感官科学

背景情况:

• 消费者购买决策受到果外观的严重影响,往往缺乏客观的质量指标.
• 电子鼻子通过检测挥发性有机化合物 (VOCs) 来评估水果质量的非破坏性方法.

研究的目的:

• 评估电子鼻子系统对"金色美味"果成熟阶段的分类的有效性.
• 确定最佳的传感器组合和数据分析策略,以准确评估果成熟度.

主要方法:

• 利用四个金属氧化物半导体 (MOS) 传感器 (MQ3,MQ135,MQ136,MQ138) 在两年内从果中收集VOC数据.
• 应用主要成分分析 (PCA) 和K-媒介聚类用于初始成熟阶段的识别.
• 采用K-最近邻居 (KNN) 模型进行分类,对包括独立实验在内的各种数据集进行测试.

主要成果:

• 在特定数据集上,果成熟阶段的成功分类 (不成熟,成熟,过度成熟) 准确度超过75%.
• 在使用所有实验和独立测试集的数据来分类果成熟度时获得了100%的准确性.
• 相关性和PCA分析表明,使用两个或三个传感器可以获得与使用所有四个相似的结果.

结论:

• 电子鼻子技术为非破坏性评估果成熟度提供了高度准确和可靠的方法.
• 在长时间内分析多项实验的数据,并考虑季节性VOC变化,可以提高预测准确度.
• 优化传感器选择和数据处理是最大限度地提高电子鼻子系统在水果质量评估中的性能的关键.