Investigación sobre el método de detección del valor de pH durante la fermentación secundaria de ensilaje de maíz basado en visión por computadora
Autores: Ren, Xianguo; Tian, Haiqing; Zhao, Kai; Li, Dapeng; Xiao, Ziqing; Yu, Yang; Liu, Fei
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Investigación sobre el método de detección del valor de pH durante la fermentación secundaria de ensilaje de maíz basado en visión por computadora
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Valor de pH
Ensilaje de maíz
Visión por computadora
Modelos de regresión
Características de color
Características de textura
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
El valor de pH es un indicador crucial para evaluar la calidad del ensilaje. En este estudio, tomando el ensilaje de maíz como objeto de investigación, se construyó un modelo de predicción cuantitativa del cambio de valor de pH durante la fermentación secundaria del ensilaje de maíz basado en visión por computadora. Primero, se recolectaron muestras de ensilaje de maíz para la adquisición de imágenes y determinación del valor de pH durante la exposición intermitente y siempre aeróbica. En segundo lugar, después de preprocesar la imagen adquirida con la intercepción de la región de interés (ROI), suavizado y afilado, se extrajeron las características de color y textura. Además, se utilizaron análisis de correlación de Pearson y clasificación de importancia de RF para elegir variables de características útiles. Finalmente, basándose en todas las variables de características y las variables de características útiles, se construyeron y compararon cuatro modelos de regresión utilizando regresión de bosques aleatorios (RFR) y regresión de vectores de soporte (SVR): modelo RFR 1, modelo RFR 2, modelo SVR 1 y modelo SVR 2. Los resultados mostraron que, en comparación con las características de textura, la correlación entre las características de color y el valor de pH era mayor, lo que podía reflejar mejor los cambios dinámicos en el valor de pH. Los cuatro modelos fueron altamente predictivos. El modelo RFR representó la relación de análisis cuantitativo entre la información de la imagen y el valor de pH mejor que el modelo SVR. El modelo RFR 2 fue eficiente y preciso, y fue el mejor modelo para la predicción de pH, con R cuadrado ajustado, error cuadrático medio, error absoluto medio, raíz del error cuadrático medio y coeficiente de variación de 0.9891, 0.9425, 0.1758, 0.3651 y 4.2367, respectivamente. En general, este estudio demostró la viabilidad de utilizar la tecnología de visión por computadora para predecir cuantitativamente el valor de pH durante la fermentación secundaria del ensilaje de maíz y proporcionó nuevas ideas para monitorear la calidad del ensilaje de maíz.
Descripción
El valor de pH es un indicador crucial para evaluar la calidad del ensilaje. En este estudio, tomando el ensilaje de maíz como objeto de investigación, se construyó un modelo de predicción cuantitativa del cambio de valor de pH durante la fermentación secundaria del ensilaje de maíz basado en visión por computadora. Primero, se recolectaron muestras de ensilaje de maíz para la adquisición de imágenes y determinación del valor de pH durante la exposición intermitente y siempre aeróbica. En segundo lugar, después de preprocesar la imagen adquirida con la intercepción de la región de interés (ROI), suavizado y afilado, se extrajeron las características de color y textura. Además, se utilizaron análisis de correlación de Pearson y clasificación de importancia de RF para elegir variables de características útiles. Finalmente, basándose en todas las variables de características y las variables de características útiles, se construyeron y compararon cuatro modelos de regresión utilizando regresión de bosques aleatorios (RFR) y regresión de vectores de soporte (SVR): modelo RFR 1, modelo RFR 2, modelo SVR 1 y modelo SVR 2. Los resultados mostraron que, en comparación con las características de textura, la correlación entre las características de color y el valor de pH era mayor, lo que podía reflejar mejor los cambios dinámicos en el valor de pH. Los cuatro modelos fueron altamente predictivos. El modelo RFR representó la relación de análisis cuantitativo entre la información de la imagen y el valor de pH mejor que el modelo SVR. El modelo RFR 2 fue eficiente y preciso, y fue el mejor modelo para la predicción de pH, con R cuadrado ajustado, error cuadrático medio, error absoluto medio, raíz del error cuadrático medio y coeficiente de variación de 0.9891, 0.9425, 0.1758, 0.3651 y 4.2367, respectivamente. En general, este estudio demostró la viabilidad de utilizar la tecnología de visión por computadora para predecir cuantitativamente el valor de pH durante la fermentación secundaria del ensilaje de maíz y proporcionó nuevas ideas para monitorear la calidad del ensilaje de maíz.