基于颜色量化和机器学习的烟草化学成分在固化过程中的回归预测
Yang Meng1, Qiang Xu1, Guangqing Chen2
1Zhengzhou Tobacco Research Institute of CNTC, Zhengzhou, 450001, China.
Scientific reports
|November 7, 2024
概括
这项研究表明,使用机器学习,烟草叶的颜色可以准确地预测水分,糖和粉等关键化学成分. 这允许在烟草固化过程中实时进行质量监测.
科学领域:
- 农业科学 农业科学
- 分析化学 分析化学
- 数据科学数据科学数据科学
背景情况:
- 烟草的质量与其化学成分密切相关.
- 烟草叶的颜色变化是质量的关键指标.
- 了解颜色和化学成分之间的关系对于质量控制至关重要.
研究的目的:
- 建立预测模型,将烟草颜色值与其化学成分联系起来.
- 为了研究特定颜色参数和化学成分之间的相关性.
- 评估使用颜色进行实时化学成分监测的可行性.
主要方法:
- 机器学习算法被用来构建预测模型.
- 在烟草颜色参数 (例如,a*,H*,H°) 和化学成分之间进行了相关性分析.
- 随机森林模型被用于预测和验证.
主要成果:
- 在水分含量和颜色参数 (a*,H*,H°) 之间发现了显著的相关性.
- 减少糖,总糖和粉含量与各种颜色值有显著的相关性.
- 随机森林模型实现了R2>0.90和RPD>2.0来预测水分,糖和粉.
结论:
- 烟草叶的颜色是湿度的可靠预测,减少糖,总糖和粉含量.
- 基于颜色值的机器学习模型为化学成分预测提供了高精度.
- 这种方法有可能实时监控烟草固化过程.
更多相关视频
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.6K
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
6.5K
