English(EN) Non-Destructive Prediction of Fruit Ripeness and Firmness Using Hyperspectral Imaging and Lightweight Machine Learning Models

轻量级机器学习模型在水果成熟度预测方面可媲美高光谱成像

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

研究人员开发了轻量级机器学习模型，能够利用高光谱成像技术准确评估水果的成熟度和硬度。这些模型表明，仅需可见光范围内的三个波长即可达到全光谱数据94%以上的准确率。这种方法为农业应用提供了比昂贵的高光谱相机和复杂的深度学习系统更实用、更具成本效益的替代方案。 AI

影响利用易于获取的传感器，使农业领域的水果质量评估更加便捷和经济。

排序理由评估机器学习模型在水果质量评估中应用的学术论文。

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Phongsakon Mark Konrad, Casper Kunstmann-Olsen, Jacek Fiutowski, Serkan Ayvaz · 2026-04-28 04:00

利用高光谱成像和轻量级机器学习模型对水果成熟度和硬度进行无损预测

arXiv:2604.22788v1 Announce Type: cross Abstract: Post-harvest fruit quality assessment is essential for reducing food waste, yet reliable non-destructive methods typically depend on expensive hyperspectral cameras and computationally intensive deep learning models. These systems…