基于计算机视觉的鲜采阿萨姆柠檬质量与体积动态估测模型构建及贮藏期变化研究

本研究聚焦水果物理属性与质量体积的关联机制，来自印度的科研团队创新性地采用图像处理技术，针对阿萨姆柠檬（Kaji Nemu）在4个关键成熟阶段（1/5/9/13天）建立质量-体积预测模型。通过单变量（线性/二次/幂函数等7类）与多变量（线性/二次/有理函数等4类）建模对比，发现基于投影面积的二次模型（质量预测R2=0.980，RMSE=3.963）和幂函数模型（体积预测R2=0.909，RMSE=13.665）最优，而多变量有理模型表现更佳（双指标R2均达0.99）。该成果为果蔬采后品质无损检测提供了高精度计算机视觉解决方案。

　　

这项突破性研究揭示了阿萨姆柠檬(Citrus limon Burm)在采后贮藏过程中物理参数与质量体积的量化关系。科研人员运用计算机视觉技术(Computer Vision, CV)，对柠檬在四个典型成熟阶段(第1/5/9/13天)的表型特征进行动态捕捉，创新性地构建了单变量与多变量预测模型体系。

单变量建模中，基于二维投影面积的二次方程(Quadratic model)展现惊人预测力，质量估测决定系数R²高达0.980，均方根误差(RMSE)仅3.963；而体积预测则适用幂函数模型(Power model)，R²达0.909。更令人振奋的是，整合多维形状特征的多变量有理模型(Rational model)实现双指标预测精度突破，质量与体积的R²均达到0.99量级，对应RMSE值分别低至0.964和3.145。

该技术体系实现了水果物理参数(Physical attributes)与内在品质的智能关联，为开发新一代果蔬采后(Postharvest)分选装备提供了理论支撑。特别是采用的实时图像处理技术，克服了传统破坏性检测方法的局限，在保持水果完整性的同时实现毫米级精度测量，这对提升热带柑橘类水果的供应链智能化具有里程碑意义。