廣東
近日，山東農業大學機械與電子工程學院閆銀發教授團隊在《Food Research International》期刊上發表題為“Physicochemical quality detection of wheat during hot air drying based on hyperspectral imaging combined with machine learning”研究文章。機械與電子工程學院焦青青博士生為論文第一作者，山東農業大學鹿瑤副教授和閆銀發教授為該論文的共同通訊作者。
該研究基于HSI技術結合機器學習方法，建立了小麥干燥品質回歸模型，分析不同溫度與風速條件下小麥干燥品質變化影響因素，并對小麥干燥品質回歸模型進行評估與優化，為谷物干燥品質檢測和熱風干燥智能控制提供了新方法和技術支撐。
采用高光譜成像(HSI)技術，對不同干燥處理條件下小麥的理化指標進行回歸預測分析。首先對小麥干燥過程進行解析，隨后結合化學計量學與高光譜成像技術建立干燥品質回歸模型。干燥后小麥的L*、a*及ΔH值顯著升高，同時淀粉顆粒表面發生溶解現象。該研究基于400-1000 nm波段原始光譜數據，比較了偏最小二乘回歸(PLSR)、支持向量回歸(SVR)和極端梯度提升(XGBoost)三種模型對不同干燥品質指標的回歸性能。其中PLSR模型憑借較高的測試R2值(0.93-0.99)被選為光譜特征回歸建模方法，經導數預處理后的光譜數據結合PLSR模型對熱風干燥后所有小麥品質指標均表現出較好的回歸效果(測試R2＞0.98)。后續研究需進一步整合高光譜成像技術，實現干燥特性與品質的動態監測，以構建具備自調節功能的干燥系統；同時應探索多目標優化模型，實現多個品質指標的同步預測。
論文鏈接：
https://doi.org/10.1016/j.foodres.2026.119175
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
