UGR研究小组开发了一种利用高光谱成像(一种非侵入性技术)和机器学习对辣椒成熟度进行分类的方法。

一种利用高光谱成像对辣椒成熟度进行分类的方法

该项目使用加州辣椒开发，这种辣椒通常呈块状，果肉厚，因此可以确定辣椒的硬度——这种品质与其成熟度相关，而成熟度是其在市场上取得成功的关键。

为了防止包装过熟的辣椒，UGR彩色成像实验室的研究团队与分析化学系和阿尔梅里亚的HortofrutícolaMabe合作社合作，开发了一种测量这些产品成熟度的新方法。

该团队采用了高光谱成像，这是一种非侵入性技术，用于识别、分类和可视化水果和蔬菜的质量属性，并确保它们可以安全食用。

科学家们分析了可见光和近红外范围内的光谱反射率，以确定三种不同作物的辣椒的成熟度，并确定了为测定成熟度提供最佳分类率的光谱带。

该项目构建了一个真实的场景，模拟传送带系统，其中使用四种分类算法对辣椒进行评估以预测其成熟度。

由于系统改进了辣椒的保质期估计并确保为客户提供更好的产品质量，用于该分类过程的算法实现了90%以上的成功率。

该系统为辣椒成熟度分类提供了有效且实用的解决方案，使水果和蔬菜种植者能够改善作物管理并减少因产品过熟而造成的损失。

该系统的灵活性使公司能够选择适合其预算和希望分析的产品类型的光谱带数量。