车厘子,相信大家都不陌生,毕竟“车厘子自由”曾经也是风靡一时的网络热词。但是车厘茄是什么呢?车厘子的变种?车厘子和茄子的结合?空想不如实干,看看度娘怎么说......
嚯,原来车厘茄就是常见的小番茄!另外,小加还了解到车厘茄含有丰富的维他命和十分高的铁质含量,不仅有美容功效,还可以预防出现贫血,可谓是值得多次购买的营养好物。但是购买时,我们只能通过朴素的双眼判断其好坏,如果从专业性的角度出发,该如何评估车厘茄的质量呢?答案就在下面这篇论文里,快一起来看看吧!
基于深度学习和高光谱图像估算车厘茄可溶性固形物含量及硬度
车厘茄(Solanum lycopersicum)因其特殊的香味深受世界各地消费者喜爱。可溶性固形物(SSC)和硬度是评估产品质量的两个主要指标。现存的测量技术主要依赖于化学方法。然而,这种破坏性的方法不适用于大面积的测量。高光谱成像技术可以同时获取光谱信息和空间信息,已广泛应用于各个领域,如植物病害胁迫检测、工业食品包装、医学图像分类及水果质量分析。
基于此,来自浙江工业大学和浙江省农业科学院的研究人员选择当地主流的车厘茄(Zheyingfen-1)为研究对象,测量其硬度和SSC,并基于高光谱图像(PIKA XC 高光谱相机,Resonon Inc.,Bozeman,MT,USA)和相应的深度学习回归模型开发了无损式测量技术。
【结果】
(A)校正的光谱反射率图。(B)MSC预处理。(C)二阶差分预处理。
每个模型的SSC估算结果。(A)小样本数据的SVR估算结果。(B)大样本数据的SVR估算结果。(C)小样本数据的KNNR估算结果。(D)大样本数据的KNNR估算结果。(E)小样本数据的AdaBoostR估算结果。(F)大样本数据的AdaBoostR估算结果。(G)小样本数据的PLSR估算结果。(H)大样本数据的PLSR估算结果。(I)小样本数据的Con1dResNet估算结果。(J)大样本数据的Con1dResNet估算结果。
【结论】
本研究中,作者利用高光谱图像提出了Con1dResNet深度学习模型来估算车厘茄的SSC和硬度。相比传统的机器学习方法,充足的样本数量可以实现更好的结果。就SSC估算而言,其R2值为0.901,比PLSR高26.4%,其MSE为0.018,比PLSR低0.046。就硬度估算而言,其R2值为0.532,优于PLSR33.7%。结果表明高光谱成像结合深度学习可以显著提高车厘茄SSC和硬度估算准确性
会议新闻 | 理加联合参加香山生态高峰论坛
安装案例 | 江西农业科学院高安基地 SF 3500
安装案例 | 广东省农业科学院农业生物基因研究中心 LabSpec 4 Standard-Res
ASD | LabSpec地物光谱仪在反演土壤水分特征曲线方面的应用
相关产品
PS-9000便携式土壤碳通量自动测量系统
Palas AQ Guard 便携紧凑型室内空气质量检测仪
Nikira 开路气溶胶消光仪
Palas U-SMPS 通用扫描迁移率粒度仪
Palas Fidas 200 环境空气颗粒物连续自动监测系统
Campbell土壤剖面传感器SoilVUE10
Campbell闭路涡度相关通量系统(CPEC310)
Spectral Devices多相机成像系统
SU-100紫外辐射传感器
SP系列短波辐射传感器
SO-100&SO-200氧气传感器
SN-500净辐射传感器
SL系列向上/向下长波辐射传感器
SI系列温度传感器
Airphoton AeroExplorer 颗粒物采样站
关注
拨打电话
留言咨询