相关实验视频
Updated: Jan 16, 2026
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
22.3K
微观变化和量化预测的含量在皮的Korla芳香梨在不同的采摘成熟度
Yuanyuan Liu1, Zhengbao Long2, Tongzhao Wang1
1College of Mechanical and Electrical Engineering, Tarim University, Alar 843300, China; Agricultural Engineering Key Laboratory at Universities of Education Department of Xinjiang Uygur Autonomous Region, Tarim University, Alar 843300, China; Production and Construction Corps(XPCC)Key Laboratory of Utilization and Equipment of Special Agricultural and Forestry Products in Southern Xinjiang, Tarim University, Alar 843300, China.
Food chemistry
|October 2, 2025
概括
这项研究开发了一种非破坏性的方法来测量Korla香梨皮含量,使用可见光和近红外光谱以及机器学习模型. 这种技术可以快速评估质量,并改善收获后管理.
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:
- 柯拉香梨的皮对于保持水果质量和延长保质期至关重要.
- 了解表皮积累是优化收获后处理的关键.
研究的目的:
- 建立一种非破坏性的方法来量化Korla香梨中的表皮含量.
- 将可见和近红外 (VIS/NIR) 光谱与量化的优化机器学习模型相结合.
主要方法:
- 可见和近红外 (VIS/NIR) 光谱学被用来采集光谱数据.
- 开发和优化了一种猪优化器随机森林 (CPO-RF) 模型.
- 微结构分析被用来将层密度与成熟期间的积累相关联.
主要成果:
- 优化的CPO-RF模型,使用乘法散射校正和全频谱数据,实现了高预测精度 (Rp2 = 0.9468,RMSEp = 0.0301 g/Kg).
- 一个特征波长模型也显示出出色的预测性能 (Rp2 = 0.9390,RMSEp = 0.0330 g/Kg).
- 结果显示,水果成熟,层密度增加和积累之间存在很强的相关性.
结论:
- 开发的VIS/NIR光谱学与CPO-RF相结合,为量化梨含量提供了强大的,非破坏性的方法.
- 这种方法有助于快速,智能地评估Korla香梨的质量.
- 这些发现支持对这种水果品种进行加强的收获后管理策略.
