Metoda de clasificare a calității merelor Apple Watercore bazată pe ConvNeXt și spectroscopie vizibilă/în infraroșu apropiat

Pentru a aborda problemele legate de lipsa de rigurozitate în metodele existente pentru cuantificarea severității afectării de apă a mărului (watercore) și complexitatea și acuratețea scăzută a modelelor tradiționale de clasificare, acest studiu propune o metodă de cuantificare a watercore și un model de clasificare bazat pe o rețea neurală convoluțională profundă.

Inițial, au fost colectate date spectrale de transmisie în intervalul vizibil / aproape de infraroșu ale probelor de mere.

Apoi, merele au fost tăiate în secțiuni cu grosimea de 4,5 mm folosind un instrument specializat, iar datele imagistice ale fiecărei secțiuni au fost capturate.

Folosind algoritmo precum BiSeNet și RIFE, a fost construit un model tridimensional al regiunilor afectate de watercore din secțiunile de măr pentru a calcula severitatea watercore, care a fost ulterior categorisită în cinci niveluri distincte.

Următor, au fost aplicate metode precum Field-ul de Sumare Angulară Gramian (GASF), Field-ul de Diferență Angulară Gramian (GADF) și Field-ul de Tranziție Markov (MTF) pentru a transforma datele spectrale unidimensionale în imagini bidimensionale.

Aceste imagini au fost utilizate ca input pentru antrenarea și predicția cu rețeaua neurală profundă ConvNeXt.

Rezultatele au indicat că metoda GADF a oferit cea mai bună performanță, atingând o acuratețe de 98,73% pe setul de testare.

Mai mult, studiul a comparat clasificarea și predicția merelor afectate de watercore utilizând metode tradiționale cu cele existente pentru cuantificarea nivelurilor de watercore.

Rezultatele comparative au demonstrat că modelul GADF-ConvNeXt propus este mai simplu și mai eficient, obținând performanțe superioare în clasificarea gradelor de watercore.

În plus, metoda de cuantificare a nivelelor de watercore propusă s-a dovedit a fi mai eficientă..