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

利用电介质光谱与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2018年03月23-25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与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