在线评估草中的可溶性固体含量,使用开发的Vis/NIR光谱系统,使用悬挂式抓手

科学领域:

• 农业工程 农业工程
• 食品科学 食品科学 食品科学
• 频谱学是一种光谱学.

背景情况:

• 在线检测内部草质量在准确性和效率方面面临挑战.
• 现有的方法在运输过程中与水果损坏和加工速度作斗争.

研究的目的:

• 探索可见/近红外光谱学 (Vis/NIRS) 的可行性,用于在草中在线检测可溶性固体含量 (SSC).
• 开发和优化一个光学传感系统,在悬挂运输过程中实时进行内部质量评估.

主要方法:

• 在草中SSC分布的分析.
• 使用部分最小平方回归 (PLSR) 开发具有优化配置的光学传感系统.
• 研究三种1D卷积神经网络 (1D-CNN) 模型,包括1D-CNN-LSTM,以提高预测.

主要成果:

• 采用SNV预处理和CARS特征选择的PLSR模型产生了良好的结果 (4.793的RPD).
• 1D-CNN-LSTM模型显著优于传统方法,实现了0.963的R_p2,0.209°Brix的RMSEP和5.332的RPD.
• 开发的系统证明了在线SSC检测的高精度.

结论:

• 视/NIRS技术,特别是当通过深度学习 (1D-CNN-LSTM) 增强时,对于在线检测草中的SSC非常有效.
• 这项研究提供了一种有希望的方法,用于对小型,微妙的水果进行非破坏性,实时的内部质量评估.
• 这项研究为水果供应链中的质量控制开辟了新的可能性.