《农业工程学报》2024年第40卷第15期刊载了上海海洋大学邓安、徐永阳、邱伟强、李立与金银哲的论文——“基于电学参数的稻谷含水率和出糙率机器学习预测模型”。该研究由上海市粮食和物资储备局项目(项目号:D-8028-23-1124)资助。
引文信息:邓安,徐永阳,邱伟强,等. 基于电学参数的稻谷含水率和出糙率机器学习预测模型[J]. 农业工程学报,2024,40(15):245-252.
DOI: 10.11975/j.issn.1002-6819.202312197
研究目的与方法:
收购现场稻谷出糙率和含水率的快速检测有助于稻谷的快速收购和分级管理,从而减少稻谷在运输、储藏和加工过程中的损耗。该研究使用LCR测量仪测试1~8 MHz频率下含水率为9.94%~23.51%的稻谷的介电常数、电容、介电损耗、损耗系数、导电率和电导。将获得的数据用于建立二次回归模型和机器学习模型,机器学习模型分别为神经网络、决策树、随机森林和支持向量机。
结果与结论:
结果表明,频率为1 MHz时,导电率与稻谷的含水率和出糙率回归模型决定系数均最高,分别为0.960和0.929。此外,使用神经网络在预测稻谷的含水率和出糙率时获得了更好的预测效果,决定系数分别为0.987和0.935,这说明了神经网络模型可以更加灵活的获取和表达电学参数与稻谷含水率和出糙率之间的非线性关系。这种便捷、高效的模型可以为稻谷品质无损检测提供理论参考。
本文由丨《农业工程学报》编辑部丨精编发布
欢迎留言、分享、点赞
转载、投稿、咨询
邮箱:tcsae@tcsae.org
发布征集
欢迎广大作者、读者投稿至我刊公众号,包括但不限于创新科研成果、科技写作技巧、书籍推介、优秀科技工作者介绍、科研团队招聘/招生、行业资讯以及相关活动等农业工程领域信息。
公众号文章投稿邮箱:abe-newmedia@tcsae.org
»» 点击 阅读原文 免费获取全文