廣東
近日，山東農(nóng)業(yè)大學機械與電子工程學院閆銀發(fā)教授團隊在《Food Research International》期刊上發(fā)表題為“Physicochemical quality detection of wheat during hot air drying based on hyperspectral imaging combined with machine learning”研究文章。機械與電子工程學院焦青青博士生為論文第一作者，山東農(nóng)業(yè)大學鹿瑤副教授和閆銀發(fā)教授為該論文的共同通訊作者。
該研究基于HSI技術(shù)結(jié)合機器學習方法，建立了小麥干燥品質(zhì)回歸模型，分析不同溫度與風速條件下小麥干燥品質(zhì)變化影響因素，并對小麥干燥品質(zhì)回歸模型進行評估與優(yōu)化，為谷物干燥品質(zhì)檢測和熱風干燥智能控制提供了新方法和技術(shù)支撐。
采用高光譜成像(HSI)技術(shù)，對不同干燥處理條件下小麥的理化指標進行回歸預測分析。首先對小麥干燥過程進行解析，隨后結(jié)合化學計量學與高光譜成像技術(shù)建立干燥品質(zhì)回歸模型。干燥后小麥的L*、a*及ΔH值顯著升高，同時淀粉顆粒表面發(fā)生溶解現(xiàn)象。該研究基于400-1000 nm波段原始光譜數(shù)據(jù)，比較了偏最小二乘回歸(PLSR)、支持向量回歸(SVR)和極端梯度提升(XGBoost)三種模型對不同干燥品質(zhì)指標的回歸性能。其中PLSR模型憑借較高的測試R2值(0.93-0.99)被選為光譜特征回歸建模方法，經(jīng)導數(shù)預處理后的光譜數(shù)據(jù)結(jié)合PLSR模型對熱風干燥后所有小麥品質(zhì)指標均表現(xiàn)出較好的回歸效果(測試R2＞0.98)。后續(xù)研究需進一步整合高光譜成像技術(shù)，實現(xiàn)干燥特性與品質(zhì)的動態(tài)監(jiān)測，以構(gòu)建具備自調(diào)節(jié)功能的干燥系統(tǒng)；同時應探索多目標優(yōu)化模型，實現(xiàn)多個品質(zhì)指標的同步預測。
論文鏈接：
https://doi.org/10.1016/j.foodres.2026.119175
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
