通过注意力集成的深度学习和tencha干燥中的双模融合,使用快照多谱相机进行智能化叶绿素估计
Huilin Chang1, Jiazhen Cai1, Qin Ouyang1
1School of Food and Biological Engineering, Jiangsu University, Zhenjiang, China.
Journal of the science of food and agriculture
|May 23, 2025
概括
快照多光谱技术和光谱图像融合准确地预测了素含量. 这种非侵入性方法可以提高在优质抹茶生产的干燥过程中的质量控制.
科学领域:
- 农业科学 农业科学
- 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:
- 中的含量对于对象的感官评估至关重要.
- 干燥过程显著影响的叶绿素水平.
- 准确的监测对于质量控制至关重要.
研究的目的:
- 用多光谱技术评估干燥中的叶绿素含量.
- 开发和比较叶绿素水平的预测模型.
- 评估光谱图像融合在非侵入性监测中的有效性.
主要方法:
- 使用了快照多光谱成像 (660924 nm).
- 反射率数据与灰度纹理特征进行了融合.
- 卷积神经网络 (CNN) 和SE-Res18模型被开发和比较.
主要成果:
- 与单个数据源相比,融合方法显著提高了预测准确性.
- 该SE-Res18模型实现了高的相关系数 (0.9814培训,0.9337测试).
- 低的相对百分比偏差 (2.79) 表示模型的精度.
结论:
- 快照多光谱技术与光谱图像融合相结合,可用于精确的叶绿素监测.
- 这种方法提供了一种快速,非侵入性的技术质量控制方法.
- 该技术增强了tencha生产中的质量保证.
