根据图像特征和多模型分析,在发酵器中快速评估Pixian Douban meju

科学领域:

• 食品科学与技术 食品科学与技术
• 农业工程 农业工程
• 分析化学 分析化学

背景情况:

• 皮克西安杜班 (PXDB) 梅州是PXDB生产中的重要中间产品.
• 传统的化学方法用于meju质量评估是耗时和劳动密集的.
• 客观和快速的质量评估对于优化PXDB制造至关重要.

研究的目的:

• 开发和验证机器视觉系统,以快速监测设备质量.
• 建立视觉色彩参数和关键物理化学指标之间的相关性.
• 实施机器学习模型,以准确地进行技术的定性和定量分析.

主要方法:

• 利用机器视觉系统捕获梅州的颜色数据.
• 进行了颜色变化和物理化学指标 (例如,氨基酸,总可定位酸) 之间的相关性分析.
• 应用机器学习算法,包括支持向量机 (SVM) 用于分类和部分最小平方回归 (PLSR) 用于定量预测.

主要成果:

• 物理化学指标显示,与梅颜色变化有很强的相关性.
• 在质量分析中,SVM模型在训练组中达到100%的准确性,在测试组中达到96.97%.
• 该PLSR模型在量化预测氨基酸和总可定位酸含量方面表现出高准确性,剩余预测偏差较低 (分别为4.94和5.13).
• 在不同发酵阶段,PLSR有效地可视化了物理化学指标的分布.

结论:

• 机器视觉提供了一种快速,非破坏性的替代传统化学分析,用于测量质量的评估.
• 开发的系统和模型为实时监控和控制PXDB生产提供了可靠的基础.
• 这种方法可以提高Pixian Douban产品制造的效率和一致性.