在异质准备的菜中量化分布均性,将高光谱成像技术与莫兰的I:披萨的案例研究相结合
Peipei Gao1, Wenlong Li1, Sulafa B H Hashim1
1Agricultural Product Processing and Storage Lab, School of Food and Biological Engineering, Jiangsu University, Zhenjiang, Jiangsu 212013, China; International Joint Research Laboratory of Intelligent Agriculture and Agri-products Processing (Jiangsu University), Jiangsu Education Department, Zhenjiang 212013, China; China Light Industry Key Laboratory of Food Intelligent Detection & Processing, School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China.
超光谱成像 (HSI) 和莫兰的I有效量化了准备好的食品 (如披萨) 中的成分分布. 这种组合通过精确测量统一性来确保高质量的准备菜.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 图像处理 图像处理
背景情况:
- 准备好的菜的质量控制在很大程度上依赖于成分的分配.
- 量化分布均性对于产品质量的一致性至关重要.
研究的目的:
- 为了评估高光谱成像 (HSI) 与莫兰的I结合,以量化准备菜中的分布均性.
- 在本应用程序中确定HSI数据的最准确的分类方法.
主要方法:
- 使用HSI收集了披萨配料的光谱数据.
- 使用确定波动分析 (DFA),萨维茨基-戈莱 (SG) 和标准正常变量 (SNV) 预处理的光谱数据.
- 通过主要组件分析 (PCA) 降低了维度,并使用精细树,支向量机 (SVM) 和K-最近邻居 (KNN) 进行分类.
- 分析了使用区域统计数据,灰色水平共发生矩阵 (GLCM) 和莫兰的I.I.的分布统一性.
主要成果:
- 通过使用DFA处理的数据,K-Nearest Neighbors (KNN) 分类器实现了99.2%的准确性.
- 莫兰的I在测量分布统一性方面表现出高的分辨率和准确性.
- 在HSI和Moran's,我有效地创建了成分分布的可视化地图.
结论:
- 结合HSI和Moran's I是一种可行且准确的方法,用于评估准备好的菜的分布均性.
- 这种方法可以大大有助于确保准备好的食品的高质量.
- 通过成分分布分析精确检测质量对于食品工业至关重要.
更多相关视频
07:05Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters
Published on: June 18, 2021
12:19Identification of Metal Oxide Nanoparticles in Histological Samples by Enhanced Darkfield Microscopy and Hyperspectral Mapping
Published on: December 8, 2015