基于图像和ML驱动的分析用于评估蓝果的质量
Marcelo Rodrigues Barbosa Júnior1, Regimar Garcia Dos Santos1, Lucas de Azevedo Sales1
1Department of Horticulture, University of Georgia, Tifton, GA, 31793, USA.
Heliyon
|February 19, 2025
概括
这项研究开发了一种非破坏性方法,使用移动图像和机器学习 (ML) 来评估蓝的质量,特别是总溶性固体 (TSS) 和度. 这种方法为改善水果收获提供了传统实验室测试的经济有效和高效的替代方案.
科学领域:
- 园艺园艺 园艺园艺
- 计算机科学 计算机科学
- 农业工程 农业工程
背景情况:
- 传统的蓝质量评估是破坏性的,劳动密集型和昂贵的.
- 需要非破坏性,高效和具有成本效益的方法.
- 基于图像和人工智能驱动的分析提供了有希望的替代方案.
研究的目的:
- 使用移动图像分析和机器学习 (ML) 来开发蓝果品质评估的非破坏性框架.
- 以非破坏性的方式预测总溶性固体 (TSS) 和度.
- 评估使用移动RGB图像进行质量评估的可行性.
主要方法:
- 在实验室中收集了成熟的蓝样本,测量直径,TSS,坚硬度和颜色.
- 使用移动设备捕获蓝的RGB图像.
- 处理图像以提取光谱带,并应用八个ML算法来构建预测模型.
主要成果:
- 最初的相关性分析显示,RGB图像具有暗示性贡献 (r < 0.41).
- 通过ML的整合,预测准确度显著提高 (R2 = 0.710.99,MAE = 0.0030.28,RMSE = 0.0040.31).
- 开发的模型在预测蓝质量参数方面表现出很高的准确性.
结论:
- 基于移动图像的分析与ML相结合,为蓝质量评估提供了一种非破坏性的,具有成本效益和高效的方法.
- 这种方法支持高质量的蓝收获和精准农业的进步.
- 这些发现证实了移动成像在水果行业的实际质量控制中的适用性.
