通过整合生物光学和机器学习算法来检测小麦新鲜度的有效方法.
Weiya Shi1,2,3, Liang Chen4,5,6
1Key Laboratory of Grain Information Processing and Control (Henan University of Technology), Ministry of Education, Zhengzhou, 450001, Henan, China. swymail@126.com.
Scientific reports
|December 31, 2024
概括
这项研究使用机器学习和生物光子分析技术 (BPAT) 来评估小麦的新鲜度. 该方法准确评估谷物质量,提高储存安全.
科学领域:
- 农业科学 农业科学
- 生物物理学的生物物理.
- 数据科学数据科学数据科学
背景情况:
- 准确的小麦新鲜度评估对于粮食储存安全至关重要.
- 传统的方法可能耗时且缺乏精度.
- 需要新的方法来有效和可靠的质量评估.
研究的目的:
- 开发一种用于定量评估小麦新鲜度的创新方法.
- 将机器学习算法与生物光子分析技术 (BPAT) 集成.
- 优化机器学习模型,以提高新鲜度检测的准确性.
主要方法:
- 测量小麦产生的自发超弱光子辐射.
- 使用统计描述符构建特征向量.
- 使用粒子集群优化 (PSO) 来调整支持向量机 (SVM) 的参数.
- 用K-最近邻居 (KNN),多层感知器 (MLP) 和决策树验证方法.
主要成果:
- 机器学习算法和输入特征都显著影响模型性能.
- 仅仅是中心倾向因子特征就能提供值得称赞的识别结果.
- 变量因子的特征对于实现高精度并不是必不可少的.
- 拟议的BPAT-SVM模型显示了小麦新鲜度评估的巨大潜力.
结论:
- 机器学习与BPAT相结合,为定量小麦新鲜度评估提供了一种新且有效的方法.
- 选择特征,特别是关注中心趋势因素,对于模型效率至关重要.
- 这项研究通过先进的分析技术,有助于提高粮食储存安全.
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
07:10Untargeted Liquid Chromatography-Mass Spectrometry-Based Metabolomics Analysis of Wheat Grain
Published on: March 13, 2020
9.6K
