Evaluación de la predicción de la vida útil de brócoli basada en imágenes multiespectrales y fusión de datos multifuncionales
Autores: Cui, Xiaoshuo; Sun, Xiaoxue; Xuan, Shuxin; Liu, Jinyu; Zhang, Dongfang; Zhang, Jun; Fan, Xiaofei; Suo, Xuesong
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Evaluación de la predicción de la vida útil de brócoli basada en imágenes multiespectrales y fusión de datos multifuncionales
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Brócoli
Vida útil
Imágenes multiespectrales
Parámetros fisicoquímicos
Datos espectrales
Aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 58
Citaciones: Sin citaciones
El brócoli es una verdura altamente nutritiva que es apreciada en todo el mundo. Evaluar y predecir la vida útil del brócoli tiene una importancia considerable para la optimización y gestión efectiva de los recursos. Los parámetros fisicoquímicos y las características espectrales del brócoli son indicadores importantes que reflejan parcialmente su vida útil. Sin embargo, pocos estudios han utilizado la información de imágenes espectrales para predecir y evaluar la vida útil del brócoli. En este estudio, se utilizó la imágenes multiespectrales combinadas con la fusión de datos multifuncionales para predecir y evaluar la vida útil del brócoli. Los datos espectrales y las características texturales se extrajeron de las imágenes multiespectrales de brócoli y se fusionaron con los parámetros fisicoquímicos para su análisis. Se emplearon métodos de suavizado de convolución Savitzky-Golay (SG) y de preprocesamiento de normalización de variante normal estándar (SNV) y normalización (Norm) para preprocesar los datos espectrales originales y las características texturales, mientras que se utilizó un algoritmo de proyección sucesiva (SPA) para extraer bandas de características relevantes. Los parámetros fisicoquímicos para la vida útil del brócoli se predijeron utilizando tres métodos: regresión de vectores de soporte (SVR), clasificación de bosques aleatorios (RF) y modelos de redes neuronales convolucionales 2D (2D-CNN). Los modelos de predicción de la vida útil del brócoli fueron evaluados utilizando tres métodos de clasificación: RF, 1D-CNN y 2D-CNN. Los resultados demuestran que, entre los modelos utilizados para predecir y evaluar la vida útil del brócoli, el modelo de clasificación SPA+SG+RF que emplea datos fusionados de Tipo C logra la mayor precisión. Específicamente, este método alcanza precisión del 88,98% y 88,64% para los conjuntos de entrenamiento y validación, respectivamente. La fusión de datos multifuncionales de información de imágenes espectrales y parámetros físicoquímicos se combinaron con diferentes métodos de aprendizaje automático para predecir y evaluar la vida útil del brócoli.
Descripción
El brócoli es una verdura altamente nutritiva que es apreciada en todo el mundo. Evaluar y predecir la vida útil del brócoli tiene una importancia considerable para la optimización y gestión efectiva de los recursos. Los parámetros fisicoquímicos y las características espectrales del brócoli son indicadores importantes que reflejan parcialmente su vida útil. Sin embargo, pocos estudios han utilizado la información de imágenes espectrales para predecir y evaluar la vida útil del brócoli. En este estudio, se utilizó la imágenes multiespectrales combinadas con la fusión de datos multifuncionales para predecir y evaluar la vida útil del brócoli. Los datos espectrales y las características texturales se extrajeron de las imágenes multiespectrales de brócoli y se fusionaron con los parámetros fisicoquímicos para su análisis. Se emplearon métodos de suavizado de convolución Savitzky-Golay (SG) y de preprocesamiento de normalización de variante normal estándar (SNV) y normalización (Norm) para preprocesar los datos espectrales originales y las características texturales, mientras que se utilizó un algoritmo de proyección sucesiva (SPA) para extraer bandas de características relevantes. Los parámetros fisicoquímicos para la vida útil del brócoli se predijeron utilizando tres métodos: regresión de vectores de soporte (SVR), clasificación de bosques aleatorios (RF) y modelos de redes neuronales convolucionales 2D (2D-CNN). Los modelos de predicción de la vida útil del brócoli fueron evaluados utilizando tres métodos de clasificación: RF, 1D-CNN y 2D-CNN. Los resultados demuestran que, entre los modelos utilizados para predecir y evaluar la vida útil del brócoli, el modelo de clasificación SPA+SG+RF que emplea datos fusionados de Tipo C logra la mayor precisión. Específicamente, este método alcanza precisión del 88,98% y 88,64% para los conjuntos de entrenamiento y validación, respectivamente. La fusión de datos multifuncionales de información de imágenes espectrales y parámetros físicoquímicos se combinaron con diferentes métodos de aprendizaje automático para predecir y evaluar la vida útil del brócoli.