基于高光谱成像技术和机器学习,检测和可视化楚州的水含量分布
Ye-Wei Yang1, Jing Wu2, Ya-Mei Lu3
1School of Biological and Food Engineering, Chuzhou University, Chuzhou 239000, China; School of Life Sciences, Anhui University, Hefei 230601, China.
超光谱成像和机器学习提供了一种快速,非破坏性的方法来检测Chuju的水分含量. 这种技术可视化了水分分布,确保了产品的高质量和适用于其他农产品的应用.
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:
- 精确的水分含量检测对于处理和质量控制至关重要.
- 在干燥过程中湿度分布不均,对传统的检测方法构成挑战.
- 现有的方法无法满足快速,非破坏性分析的实际生产要求.
研究的目的:
- 开发一种使用高光谱成像 (HSI) 的快速,非破坏性的方法来检测楚杰的水分含量.
- 在干燥过程中可视化水分的空间分布.
- 确定最佳的预处理和机器学习模型,以准确预测湿度.
主要方法:
- 超光谱成像 (HSI) 用于收集来自Chuju样本的光谱数据.
- 标准正常变量 (SNV) 预处理和支向量回归 (SVR) 用于水分含量预测.
- 像素面光谱分析和线性差异分析 (LDA) 用于湿度分布可视化和样本取向分类.
主要成果:
- 该SNV-SVR模型实现了高预测准确度 (R2p = 0.986) 在样本两侧的水分含量.
- 湿度分布可视化显示,在楚雄的中部地区,脱水率较慢.
- 线性差异分析 (LDA) 在分类样本取向 (前/后) 中表现出高准确度 (98.74%).
结论:
- 与机器学习相结合的HSI提供了一种有效的,非破坏性的方法,用于精确检测Chuju的湿度.
- 该研究成功地可视化了干燥过程中不均的水分分布,这对于过程优化至关重要.
- 这种方法为朱朱和其他农产品的质量控制提供了潜力.
更多相关视频
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
10:28Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information
Published on: June 13, 2020
相关概念视频
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
Uniform Depth Channel Flow: Problem Solving
Uniform Depth Channel Flow
Precipitation Titration: Endpoint Detection Methods
In the Volhard method, a standard excess of AgNO3 is first added to the...
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
Body Water Content and Fluid Compartments
