超光谱成像和机器学习用于评估不同包装类型的果的质量
Hongyan Zhu1, Shuai Qin1, Shikai Liang1
1Guangxi Key Laboratory of Brain-inspired Computing and Intelligent Chips, School of Electronic and Information Engineering, Guangxi Normal University, Guilin 541004, China; Key Laboratory of Integrated Circuits and Microsystems (Guangxi Normal University), Education Department of Guangxi Zhuang Autonomous Region, Guilin 541004, China.
概括
纸包装提高了果的质量,改善了颜色,坚硬度和香味. 可见近红外高光谱成像和机器学习有效地以非破坏性的方式评估水果质量.
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方法.
背景情况:
- 水果的质量受到诸如包装等种植实践的影响.
- 非破坏性方法对于高效的水果质量评估至关重要.
研究的目的:
- 调查不同类型的袋装对果内部和外部质量的影响.
- 评估高光谱成像和机器学习用于非破坏性果质量分析.
主要方法:
- 收集了307个果的可见近红外高光谱图像.
- 分析的质量属性:颜色,尺寸,度,可溶性固体含量 (SSC) 和气味.
- 开发和比较机器学习模型 (CARS-MLR) 用于质量预测.
主要成果:
- 用纸袋装的果表现出优越的质量:颜色更鲜,度最好,香气更丰富.
- 在质量评估中,CARS-MLR模型实现了高预测准确度 (R2p > 0.75).
- 在不同的包装处理中观察到显著的质量差异.
结论:
- 超光谱成像与特征选择和机器学习相结合,为果质量评估提供了一种有效的非破坏性方法.
- 包装纸袋是改善果整体质量的有希望的技术.
- 结果为优化各种袋装方法的水果质量评估提供了见解.
