电介质光谱与计算机视觉融合:用于橄榄油储存过程的质量监测

利用电介质光谱计算机视觉融合可对橄榄油储存过程进行质量监测,植物表型资讯简介如下。

温馨提醒:“第二届亚太植物表型国际会议”将于20180323-25日举行。

橄榄油在储存期间需要对其氧化水平和质量特性进行监测,以确保含量保持在合格范围。尤其是在商业上价值超高的初榨橄榄油。本研究提出了一种基于电解质光谱计算机视觉融合的新方法,用于表征储存期间橄榄油的质量指标,以减少分析时间、试剂和人力消耗,并降低设备成本。本研究提取了RGB、HSV和L * a * b *空间中的颜色特征以及每个橄榄油样品在40 kHz-20 MHz频率范围内的电介质特征。经过数据预处理,建立了分类预测模型,并进行了比较。同时对人工神经网络(ANN)、支持向量机(SVM)、贝叶斯网络(BN)和多元线性回归(MLR)等多种机器学习技术进行了存储时间分类和质量指标预测研究。通过BN技术以100%的精度获得了橄榄油在贮藏期间分类的最好结果。在预测模型中,用RBF核函数的支持向量机分别预测了过氧化值(PV)、232nm紫外吸收(K232)和叶绿素的结果(R = 0.969、0.988和0.976)。此外,还测定了对甲氧基苯胺(AV)、总氧化值(TOTOX)、268 nm紫外吸光度(K268)、最大吸光度值和类胡萝卜素的最佳结果(R = 0.989、0.976、0.969和0.969)。结果发现,采用40-2-1拓扑结构的人工神经网络对游离酸度(FA)建模效果最好(R = 0.977)。本研究结果可用于开发高效可靠的工业橄榄油质量评价和监测系统。

实验装置示意图

VOO样品的三种不同颜色空间

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180117G0205200?refer=cp_1026

扫码关注云+社区