基于图像特征与多算法优化的荷叶离褶伞水分含量无损预测研究

《Journal of Food Measurement and Characterization》：Non-destructive prediction of moisture content in Lyophyllum decastes using image features and multi-optimization algorithms

本研究针对荷叶离褶伞干燥过程水分监测难题，开发了基于机器视觉的智能预测方法。通过量化蘑菇图像的颜色、轮廓和纹理特征，结合皮尔逊相关系数与随机森林算法筛选关键指标，构建了九种优化算法与机器学习融合的预测模型。其中遗传算法优化的XGBoost模型表现最佳（R2=0.89，MAE=6.60），为农产品加工智能化提供了新方案。

　　

通过机器视觉技术实现对荷叶离褶伞干燥过程中水分含量的智能预测，这项研究通过量化蘑菇形态变化特征开辟了新途径。研究人员从蘑菇图像中提取了颜色、轮廓和纹理三类特征，并运用皮尔逊相关系数结合随机森林算法筛选出七个关键特征指标。在此基础上构建了九种融合优化算法与机器学习技术的预测模型，其中经过遗传算法优化的XGBoost模型表现最为突出，其决定系数达到0.89，平均绝对误差为6.60。该研究成果为荷叶离褶伞热风干燥过程的智能控制提供了理论支撑，同时推动了农产品加工领域的数字化转型进程。图文摘要部分通过可视化形式展示了蘑菇图像特征提取与模型构建的全流程。