单个小麦核的水分含量的非破坏性预测,结合高光谱成像和WGAN数据增强算法
Dianyang Sun1, Li Zhang2, Haitao Li3
1College of Food Science and Technology, Nanjing Agricultural University, No. 1, Weigang Road, Nanjing, Jiangsu 210095, China.
Food research international (Ottawa, Ont.)
|May 17, 2025
概括
准确地预测小麦的水分含量对于谷物质量和安全至关重要. 这项研究使用了超光谱成像和瓦斯斯坦生成对抗网络来精确测量单个核中的水分,改善质量控制.
科学领域:
- 农业科学 农业科学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 谷物质量和安全性受到水分含量的影响.
- 准确评估单个谷物的水分含量是具有挑战性的,但对于收获后管理至关重要.
研究的目的:
- 开发一种使用高光谱成像 (HSI) 预测单个小麦核的水分含量的新方法.
- 通过使用Wasserstein生成对抗网络 (WGAN) 来增强数据来提高预测准确性.
主要方法:
- 在可见和近红外 (Vis-NIR) 和短波红外 (SWIR) 区域使用过光谱成像 (HSI).
- 应用Wasserstein生成对抗网络 (WGAN) 具有独立架构,以增强光谱和水分含量数据.
- 开发了最佳回归模型 (1st-derivative-SPA-CNN用于Vis-NIR,1st-derivative-ReliefF-CNN用于SWIR) 并通过模型倒置可视化湿度分布.
主要成果:
- 实现了对水分含量的高预测准确性:RP2=0.9371 (Vis-NIR) 和RP2=0.8095 (SWIR).
- 使用t-SNE验证生成的数据,证实其可信性.
- 成功地可视化了单个小麦核中的水分含量的空间分布.
结论:
- 结合使用HSI和WGAN,为预测单个小麦核的水分含量提供了一种强大而准确的方法.
- 这种方法有可能显著改善谷物加工质量评估和安全监测.
- 开发的模型为谷物行业的先进,非破坏性质量控制提供了基础.
