基于手机声学信号的西瓜成熟度分级影响因素分析与机器学习建模

《Journal of Food Composition and Analysis》：Factors influencing watermelon ripeness classification using acoustic signals collected via mobile phones

本综述系统探讨了利用手机采集声学信号进行西瓜成熟度分级的关键影响因素。研究通过支持向量机（SVM）和多项逻辑回归（MLR）模型分析发现，西瓜品种和敲击部位对声学特征影响最为显著，其中赤道部位信号区分度最高。MLR模型对未熟、成熟和过熟类别的曲线下面积（AUC）分别达到1.00和0.98，为开发低成本、高精度的移动端无损检测技术提供了重要理论依据。

　　

^章节精选

^实验材料

本研究聚焦三类西瓜：小型球形'小刁'西瓜（'24LX7'与'狼月'杂交种，开花后30天成熟）、中型球形'麒麟'西瓜（开花后45天成熟）以及中大型长椭圆形'黑美人'西瓜（开花后45天成熟）。三类西瓜的外观形态如图1所示。

基于栽培天数与经验农户的专家判断，共选取90个西瓜样本...

^{成熟度相关特征的重要性分析}

采用支持向量机（SVM）模型对影响因素的重要性排序结果如图4所示。结果表明：西瓜不同敲击部位的影响最为显著，其次是品种差异、采集方法和敲击强度。而不同移动设备及采集人员等因素的重要性相对较低。因此，后续分析将重点聚焦于西瓜部位、品种、敲击方法和强度等关键影响因素。

^结论

本研究通过手机敲击声实现西瓜成熟度检测，重点分析了主要影响因素，并对声学特征进行时域与频域的统计比对和可视化。主要成果包括：（1）基于支持向量机（SVM）和SHAP分析方法对影响因素及声学特征进行重要性排序，发现西瓜部位和品种对成熟度分类具有决定性影响；（2）赤道部位声学信号区分度最高，显著提升分类准确率；（3）多项逻辑回归（MLR）模型在未熟类别达到曲线下面积（AUC）1.00，成熟与过熟类别达0.98，为移动端成熟度检测系统的开发提供了创新性解决方案。