SpectralFlow：一个用于水果品质评估中光谱数据预处理和预测建模分析的集成平台

《Analyst》：SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation

高光谱成像与近红外光谱技术为水果品质评价提供了独特优势，但现有软件存在模型复杂度不足、功能单一等问题。我们开发的SpectralFlow软件集成了交互式数据预处理、内置模型库及自定义训练功能，显著降低了光谱分析的技术门槛。应用案例显示，芒果炭疽病预测准确率超92%，干物质含量预测R2值均超0.80，验证了其高效性。

　　

近红外光谱技术和高光谱成像在水果品质评估中提供了独特的分析优势及巨大的应用潜力。然而，大多数现有的光谱分析软件仅限于简单的机器学习模型，缺乏对复杂超参数调整的支持以及最先进的深度学习架构的支持。此外，当前软件主要设计用于分析一维光谱数据，在从高光谱图像中提取特征方面的功能较为有限。为了解决这些问题，我们开发了SpectralFlow软件，该软件集成了交互式光谱数据提取和预处理、内置的模型库、自定义模型训练以及具有可视化功能的数据集管理。通过优化光谱数据分析和简化模型训练过程，SpectralFlow显著降低了光谱分析的技术门槛。该软件的性能通过两个案例研究得到了验证：一个是关于芒果炭疽病的早期预测，另一个是关于苹果、芒果、猕猴桃和梨的干物质含量（DMC）的定量预测。所有模型都表现出了优异的性能，其中芒果炭疽病预测模型的准确率超过了92%，而干物质含量预测模型的R平方值超过了0.80。所提出的SpectralFlow被证明是一种高效的光谱数据预处理和模型训练软件。