基于多信息融合战略的黑茶枯质量的评估
Ting An1, Yongwen Jiang1, Hanting Zou1
1National Key Laboratory for Tea Plant Germplasm Innovation and Resource Utilization, Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China.
Foods (Basel, Switzerland)
|May 14, 2025
概括
这项研究将近红外光谱学 (NIRS) 和机器视觉 (MV) 整合在一起,以准确测量茶叶在黑茶枯期间的茶叶水分. 这种多信息融合方法提高了黑茶生产的精密加工和质量控制.
科学领域:
- 农业工程 农业工程
- 食品科学与技术 食品科学与技术
- 频谱学是一种光谱学.
背景情况:
- 准确的水分含量 (MC) 感知对于黑茶枯至关重要.
- 有限的样本信息阻碍了智能MC感知.
- 现有的单一技术方法在黑茶评估中面临局限性.
研究的目的:
- 在黑茶枯期间开发茶叶MC的智能感知方法.
- 通过多信息融合策略,整合外部和内部特征.
- 建立可靠的湿度感知模型,用于精密处理.
主要方法:
- 同时获取外部 (机器视觉) 和内部 (近红外光谱) 的特征.
- 应用低,中,高层数据融合策略.
- 使用支向量回归 (SVR) 开发湿度感知模型.
主要成果:
- 使用可变代空间缩小方法 (VISSA) 的中级数据融合策略表现出最佳性能.
- 最好的模型实现了5.7705.5的相对百分比偏差 (RPD).
- 多信息融合显著提高了MC感知的准确性.
结论:
- 整合NIRS和MV技术为黑茶枯评估提供了一个强大的方法.
- 拟议的多信息融合策略使茶叶的智能感知成为可能.
- 这种方法支持精密加工和黑茶生产的有针对性的质量控制.
