整合X射线CT,传感器融合和机器学习,用于先进模拟收获前果生长动态

科学领域:

• 农业科学 农业科学
• 植物生理学 植物生理学
• 图像技术技术的成像技术

背景情况:

• 了解水果质量需要将内部结构与环境条件联系起来.
• 传统方法往往侧重于收获后分析,限制了对发展过程的洞察力.
• 果实内部结构的非破坏性表征对于推进农业科学至关重要.

研究的目的:

• 引入双分辨率X射线计算机断层扫描 (CT) 的新型应用,用于非破坏性果内部组织分析.
• 为了将果内部组织结构与影响水果质量的环境因素联系起来.
• 基于结构和环境数据,开发水果质量的预测模型.

主要方法:

• 双分辨率的X射线计算机断层扫描 (CT) 用于非破坏性内部组织成像.
• 提取3D结构参数 (例如,多孔性,异质性).
• 统计分析包括相关性,PCA,CCA,SEM和机器学习 (ML) 模型 (MLR,随机森林,XGBoost).

主要成果:

• 确定温度是水果质量的首要环境驱动因素,特别是在45天后完全开花 (DAFB).
• 揭示了蒸汽压力赤字,相对湿度和光线对质量特征的非线性层次效应.
• 以温度为关键预测指标,实现了高预测准确度 (R2>0.99对于MLR).

结论:

• 双分辨率的X射线CT提供了对水果内部结构及其与环境因素的关系有价值的见解.
• 早期的环境条件对果的质量发展有很大的影响.
• 这种多学科框架通过提高水果质量的预测精度来支持精确果园管理.