红薯因其美味和营养价值而成为全世界消费者的热门食品选择。这种红色块根类蔬菜可以加工成薯片和薯条，具有一系列工业应用，包括纺织品、可生物降解聚合物和生物燃料。

利用高光谱成像和人工智能增强甘薯质量分析

甘薯质量评估对于生产商和加工商来说至关重要，因为特性会影响质地和味道、消费者偏好以及不同用途的可行性。伊利诺伊大学厄巴纳-香槟分校的一项新研究探索了使用高光谱成像和可解释的人工智能(AI)来评估甘薯属性。

“传统上，质量评估是使用实验室分析方法完成的。你需要不同的仪器在实验室中测量不同的属性，并且需要等待结果。通过高光谱成像，你可以同时测量多个参数。你可以评估每个马铃薯一批，而不仅仅是几个样品。”

农业、消费者和环境科学学院(ACES)农业与生物工程系(ABE)助理教授MohammedKamruzzaman表示：“光谱成像是非侵入性的、快速、准确且经济高效。”和伊利诺伊州格兰杰工程学院。

该研究是与美国农业部多州合作的一部分，其中包括来自密西西比州、北卡罗来纳州、密歇根州、路易斯安那州和伊利诺伊州的研究人员。每所大学都致力于项目的不同方面;Kamruzzaman的团队专注于评估三种化学属性——干物质、硬度和可溶性糖含量(白利糖度)——这些属性会影响市场价格以及马铃薯是否适合消费者或加工。

研究人员使用可见近红外高光谱成像相机从两个不同角度拍摄红薯图像。分析图像会产生光谱数据，这些数据用于识别关键波长并开发显示所需属性分布的彩色图。

高光谱成像已成为农业和食品加工研究的重要工具。然而，它会生成大量数据并通过机器学习进行处理。它很复杂，通常就像一个黑匣子，用户不知道发生了什么。

“我们将高光谱成像与可解释的人工智能相结合，使我们能够了解结果背后的过程。这是一种可视化机器学习算法如何工作、如何处理输入数据以及如何连接特征来预测输出的方法，”说MdToukirAhmed，ABE的博士生，也是该论文的主要作者。

“我们相信这是这种方法在甘薯评估方面的新颖应用。这项开创性的工作也有可能为广泛的其他农业和生物研究领域的使用铺平道路。”

研究结果可以帮助行业专业人士和研究人员了解不同特征在预测质量属性方面的重要性，从而做出更明智的决策，并确保向消费者提供更高质量的产品。

卡姆鲁扎曼说，这个多大学项目的一个目标是开发一种工具，加工者可以使用该工具快速、轻松地扫描批量红薯，以确定特征和属性。最终，研究人员可以创建一款移动应用程序，消费者可以在杂货店使用该应用程序在购买时扫描红薯的质量。