Spettrofotometria SWNIR e apprendimento automatico per valutazione accurata licopene pomodori

 

Per costruire il modello di previsione, hanno selezionato 14 lunghezze d'onda specifiche sulla base di un'analisi della varianza. Hanno utilizzato diverse tecniche di apprendimento automatico, come l'analisi discriminante lineare (LDA), le reti neurali artificiali (ANN), la foresta di alberi decisionali (RF/Random Forest), la macchina a vettori di supporto (SVM) e la regressione logistica. Questi modelli sono stati perfezionati e testati utilizzando una distribuzione dell'80-20% dei dati di addestramento e di prova, che ne ha migliorato l'affidabilità.

 

Tra questi, i modelli ANN si sono distinti con un impressionante tasso di accuratezza del 95%, significativamente migliore rispetto ai modelli di regressione logistica RF con l'80% e ai modelli LDA e SVM con il 90% di precisione.

 

I dettagli della ricerca e le conclusioni sono riportati in questo video di presentazione

.

 

L'F-750 Produce Quality Meter, sviluppato da Felix Instruments, è uno spettrofotometro SWNIR a onde corte nel vicino infrarosso che fornisce un metodo rapido e non invasivo per misurare gli attributi critici della qualità dei prodotti. Lo strumento misura con precisione gli indicatori di maturazione, come il contenuto di sostanza secca e i gradi Brix, aiutando a determinare i momenti migliori per la raccolta. Inoltre, valuta i principali parametri di qualità, in particolare la sostanza secca, il °Brix e l'acidità titolabile, nei lotti di prodotto in entrata e monitora questi parametri nelle strutture di stoccaggio a freddo e di maturazione.

 

 

Inviate un'e-mail per organizzare una dimostrazione dal vivo con uno degli application engineer di Felix Instruments. Questa sessione fornirà una panoramica delle capacità dello strumento, ne dimostrerà l'uso nella vostra particolare applicazione e fornirà risposte in tempo reale ai vostri quesiti.