在成熟水果中以图像为基础分离高质量的龙果
Coral Ortiz1, Nikita Dapurkar2, Vicente Alegre3
1Rural and Agri-Food Engineering Department, Universitat Politècnica de València, Camino de Vera s/n, 46022 Valencia, Spain.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
本研究引入了一种非破坏性图像分析方法,用于分类龙果的质量. 该系统根据成熟度和重量准确分类水果,为破坏性测试提供了经济有效的替代方案.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 食品质量评估 食品质量评估
背景情况:
- 欧洲对高品质龙果的需求日益增长,需要有效的质量控制.
- 评估水果质量的传统破坏性方法耗时且昂贵.
研究的目的:
- 开发和验证一种非破坏性图像分析系统,用于分类龙果的质量.
- 为了将图像衍生参数与水果成熟度和重量相关联,以进行质量分类.
主要方法:
- 利用可见光和紫外线照明来获取龙果的图像.
- 提取了非破坏性参数 (周长,直径,面积,RGB颜色) 并将它们与破坏性测量 (重量,可溶性固体,酸度) 相关联.
- 采用集群和差别分析来将水果分为三个质量类别.
主要成果:
- 在龙果方面,获得了近85%的整体分类精度.
- 在93%的准确度下成功识别了非常高质量的 (更成熟,更大的) 龙果.
- 在一个独立的样本组上验证了系统的一致性和有效性.
结论:
- 非破坏性图像分析是一种可行的,具有成本效益的方法,用于评估龙果的质量.
- 在收获后操作中整合智能技术可以提高效率和产品的一致性.
- 开发的模型支持自动化质量分类,降低劳动力成本和提高行业标准.
