瓜蒌子质量评估

基于高光谱成像与可解释人工智能的瓜蒌子质量评估方法。

Dan, Xiao · Bai, Ruibin · Siman, Wang · Wang, Youyou · Hao, Qingxiu · 董玲 · Li, Weiwen · 杨健

LWT - Food Science and Technology 2025

参数信息

预测准确率

97.2 %

预测准确率

98.3 %

验证集I准确率

97.7 %

验证集I准确率

98.9 %

验证集II误差

3.3 %

技术优势

快速无损

高光谱成像无需接触样品即可采集光谱数据，实现快速、无损、高通量检测。

准确率高

仅用16和23个特征波长即可在预测集达到97.2%和98.3%的准确率。

可解释

SHAP方法揭示特征波长与样本特性之间的内在关系，增强判别结果的可靠性。

应用场景

• 食品质量检测：用于瓜蒌子陈新掺假的快速无损筛查，替代耗时的人工感官评价或破坏性检测。