波多野结衣vs黑人巨大|波多野结衣av一区二区全免费观看|波多野结衣美乳人妻,一区精品在线,狠狠色丁香婷综合久久,悠悠色综合



        

            

            


                

            

                
            
            
            
            
            

            
    
            
    
            
    基于高光譜成像的多任務理化指標預測

            
    

            
    
            
    
            
    發(fā)布時間：

            
    
            2025-06-30
            
    
            
    來源：

            
    
            
    

            
    
            
    作者：

            
    
            
    

            

            
    
            茶因其獨特的風味和豐富的營養(yǎng)而受到全世界消費者的高度重視。對茶葉質(zhì)量進行高效、準確的評估對生產(chǎn)者和消費者都至關重要。本研究以Yong-chuan Xiuya綠茶為研究對象，利用高光譜成像技術(Hyperspectral imaging，HSI)結(jié)合多任務回歸模型(Multi-task Regression，MTR)，同時預測12種理化指標(WE、SSC、FAA、TP、CAF、EGCG、EGC、EC、ECG、GA、C、GC)。為了開發(fā)這個模型，首先分析了感官屬性和理化成分之間的關系，確定了關鍵的質(zhì)量指標。使用SNV-SG方法對原始光譜數(shù)據(jù)進行預處理，以提高數(shù)據(jù)質(zhì)量。評估了各種模型的預測性能，包括偏最小二乘回歸(Partial least squares regression，PLSR)、隨機森林(Random forest，RF)和極端梯度推進(Extreme gradient boosting，XGBoost)，其中XGBoost被確定為最有效的。隨后，使用牛頓-拉夫遜優(yōu)化算法(Newton Raphson Based Optimization，NRBO)來優(yōu)化XGBoost的參數(shù)，形成MTR模型的基礎。通過結(jié)合特征增強和相關性分析，MTR模型有效地預測了多個質(zhì)量指數(shù)。該模型表現(xiàn)出較高的預測準確性，平均RP²為0.9774，平均RMSEP為0.1097，表明其在茶葉質(zhì)量評估中的穩(wěn)健性和可靠性。
            


             
            


            

             圖1  關鍵理化指標含量的小提琴圖。
            

            


            

             
            

            


            

             圖2  關鍵理化組分和感官品質(zhì)之間皮爾遜相關系數(shù)的熱圖。
            

            


            

             
            

            


            

             圖3  (a)原始反射率曲線；(b)SNV-SG預處理后的光譜曲線。
            

            


            

             
            

            


            

             圖4  12項理化指標的實測值和預測值的擬合結(jié)果。
            

            


             
            


            來 源
            


            

            

            

            

            

            

            Xinna Jiang, Xingda Cao, Quancheng Liu, Fan Wang, Shuxiang Fan, Lei Yan, Yuqing Wei, Yun Chen, Guijun Yang, Bo Xu, Quan Wu, Ze Xu, Haibin Yang, Xiuming Zhai, (2025) Prediction of multi-task physicochemical indices based on hyperspectral imaging and analysis of the relationship between physicochemical composition and sensory quality of tea, Food Research International, 211,116455.
            


             
            

            

            

            

            


            

            

            

            

            編輯
            

            

            

            


            

            

            王春穎
            

            

            

            

            

            

            



            

            

            

            
 
            
            
            

            
    
            
        推薦新聞

            
    
            
        
            
    
    
            
        
    石時之約|韓志國：透過表型數(shù)據(jù)，看見植物的喜怒哀樂！
        

            
    本期石時之約，我們將對話慧諾瑞德（北京）科技有限公司總經(jīng)理、國際植物表型學會（IPPN）執(zhí)委會委員/工業(yè)分會副主席韓志國，一起從表型數(shù)據(jù)的科學角度，去讀懂農(nóng)作物的喜怒哀樂和前世今生。

            

            
        
            
    
    
            
        
    慧科研、慧育種、慧種田——慧聚改變的力量
        

            
    讓我們“慧聚”在一起，為“慧科研、慧育種、慧種田”賦能。

            

            
        
            
    
    
            
        
    高通量植物表型平臺建設注意事項
        

            
    育種，是在給定的環(huán)境條件下，選擇各種表型指標(產(chǎn)量、品質(zhì)、抗性)最優(yōu)的基因型材料的過程(AI育種，從這里起步)。育種工作中大約70%的工作量來自表型觀察測量和篩選，是最耗人力物力的過程。

            

            
        
            
    
    
            
        
    作物生理表型測量基礎原理
        

            
    生理表型測量的核心在于“早、快”，要在肉眼可見之前就能測量并預判出變化趨勢，才是這個技術的核心價值。葉綠素熒光成像，恰好滿足了這個要求。