使用特征选择和智能模型对预处理和脱水胡卜进行有效的质量分类
Erhan Kavuncuoglu1, Necati Cetin2, Mehmet Akif Buzpinar1
1Gemerek Vocation School, Cumhuriyet University, Sivas, Turkey.
Journal of the science of food and agriculture
|December 26, 2025
概括
人工智能和可见近红外光谱学准确地分类了脱水胡卜. 这种非破坏性方法可以确保食品的质量控制.
科学领域:
- 食品科学 食品科学 食品科学
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 脱水胡卜的质量控制对于消费者信心和效率至关重要.
- 人工智能 (AI) 为食品加工中的复杂数据分析提供了先进的自动化.
研究的目的:
- 使用可见近红外 (Vis-NIR) 反射率和人工智能对脱水的胡卜片进行分类.
- 评估各种脱水预处理和条件,以获得最佳的胡卜质量.
主要方法:
- 胡卜切片经过了预处理 (超声波,糖糖,阿拉伯口香糖,微波) 和脱水 (微波功率和真空不同).
- 收集了可见近红外 (Vis-NIR) 反射频谱 (325-1075 nm).
- 递归特征消除与极端梯度增强确定关键波长.
- 训练和测试了19个AI模型进行分类.
主要成果:
- 多层感知子 (MLP) 和支持矢量机 (SVM) 模型实现了高精度 (97.78%和95.56%).
- MLP和SVM模型显示了快速分类时间 (0.0156s和0.0049s).
- 卷积神经网络 (CNN) 在0.3372s的测试时间内实现了80.04%的准确性.
结论:
- 人工智能与特征选择相结合,可以有效地非破坏性地对脱水胡卜进行分类.
- 该研究强调了Vis-NIR光谱和AI在食品质量评估方面的潜力.
