Оптимальный выбор спектральных полос с помощью искусственных нейронных сетей (ANN) для классификации какао-бобов
Sélection optimale de bandes spectrales par réseaux de neurones artificiels (ANN) pour la classification des fèves de cacao
LASM, Herwann Marc-Yoann
Аннотация (перевод)
Качество какао-бобов является ключевым фактором для цепочки производства какао и шоколадной промышленности, поскольку оно напрямую влияет на их рыночную стоимость и сенсорные свойства готового продукта. Оно в значительной степени зависит от процесса ферментации и отсутствия дефектов, однако до сих пор часто оценивается визуально и субъективно. Спектральный анализ представляет собой перспективную альтернативу, поскольку он предоставляет объективную и точную информацию о внутреннем составе бобов. Однако сложность заключается в комплексности генерируемых данных, что требует выбора наиболее релевантных спектральных полос для улучшения классификации. В данном исследовании искусственная нейронная сеть (ANN) и модель Deep Forest используются для оценки важности различных длин волн и выявления наиболее информативных спектральных полос. Отобранные полосы затем используются в качестве входных переменных для обучения нескольких алгоритмов классификации, таких как Random Forest, Decision Tree и Gradient Boosting. Этот подход позволяет проверить, сохраняют ли выбранные полосы свою дискриминантную способность при использовании различных методов, и определить, какой классификатор обеспечивает наилучший баланс между точностью, робастностью и интерпретируемостью. Полученные результаты позволили существенно сократить количество полос, сохранив при этом высокую точность классификации для определенных конфигураций. Нейронная сеть показала более высокую эффективность, чем Deep Forest, в нашей экспериментальной конфигурации, подтверждая потенциал нейросетевых подходов для автоматического выбора спектральных полос и надежного определения качества какао-бобов.
Оригинальная аннотация
La qualité des fèves de cacao est un élément central pour la filière cacao et l’industrie du chocolat, car elle influence directement leur valeur marchande et les propriétés sensorielles du produit fini. Elle dépend fortement du processus de fermentation et de l’absence de défauts, mais reste encore souvent évaluée de façon visuelle et subjective. L’analyse spectrale constitue une alternative intéressante, puisqu’elle fournit des informations objectives et précises sur la composition interne des fèves. Le défi réside toutefois dans la complexité des données générées, qui impose de sélectionner les bandes spectrales les plus pertinentes afin d’améliorer la classification. Dans cette recherche, un réseau de neurones artificiels (ANN) et un modèle Deep Forest sont utilisés pour mesurer l’importance des différentes longueurs d’onde et identifier les bandes spectrales les plus discriminantes. Les bandes retenues servent ensuite de variables d’entrée pour entraîner plusieurs algorithmes de classification tels que Random Forest, Decision Tree et Gradient Boosting. Cette approche permet de vérifier si les bandes sélectionnées conservent leur pouvoir discriminant avec différentes techniques, et de déterminer quel classificateur offre le meilleur équilibre entre précision, robustesse et interprétabilité. Les résultats obtenus ont permis de réduire le nombre de bandes de manière significative tout en maintenant une précision élevée de classification pour certaines configurations. Le réseau de neurones s’est révélé plus performant que le Deep Forest dans notre configuration expérimentale, confirmant le potentiel des approches neuronales pour la sélection automatique de bandes spectrales et la détection fiable de la qualité des fèves de cacao.
Идентификаторы
Canonical: https://research.holos.house/w/84504cdd-cc16-43e6-a86f-a45daf2f0ca4
DOI: 10.71655/uvcibv.4jebz-sax52