相关实验视频
Updated: Jul 3, 2026

11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.2K
绿色红的智能分类使用数据融合的电子鼻子和计算机视觉方法
Ehsan Godini1, Hemad Zareiforoush1, Adel Bakhshipour1
1Department of Biosystems Engineering, Faculty of Agricultural Sciences University of Guilan Rasht Iran.
Food science & nutrition
|March 31, 2025
概括
绿色红的智能质量分类是通过使用电子鼻子 (e-nose) 和计算机视觉 (CV) 与机器学习 (ML) 实现的. 电子鼻子和CV的数据融合实现了100%的准确性,用于对红囊和种子进行非破坏性分类.
科学领域:
- 农业科学 农业科学
- 感官科学 感官科学
- 数据科学数据科学数据科学
背景情况:
- 绿的质量分级传统上依赖于主观的人类评估.
- 需要客观和非破坏性的方法来实现一致和有效的质量控制.
研究的目的:
- 开发一个智能系统来分类绿色红的质量.
- 评估电子鼻子 (e-nose) 和计算机视觉 (CV) 结合机器学习 (ML) 的有效性,以进行质量评估.
主要方法:
- 用电子鼻子和CV技术分析了红囊和种子.
- 三个ML算法 (决策树,贝叶斯网络,支持矢量机) 用于分类.
- 基于相关性的特征选择 (CFS) 用于优化特征输入.
主要成果:
- 通过将电子鼻子和CV数据与CFS-贝叶斯网络 (BN) 模型融合,实现了100%的分级准确性.
- 在囊和种子的视觉分类方面,CFS-BN模型显示高准确度 (96.67%).
- CFS-决策树 (DT) 模型在电子鼻子数据分类方面表现良好 (93.33%的准确性).
结论:
- 电子鼻子和CV的数据融合提供了一种智能,准确和非破坏性的方法来分类红花的质量.
- 这个集成系统提供了一种可靠和快速的方法,用于评估红囊和种子.
- 开发的系统有可能显著改善红行业的质量控制.

