Assessment of Ripening Degree of Avocado by Electrical Impedance Spectroscopy and Support Vector Machine
Notice bibliographique
Résumé
Avocado, a climacteric fruit, exerts high rate of respiration and ethylene production and thereby subject to ripening during storage. Therefore, its ripening is a significant factor to impart optimum quality in postharvest storage. To understand the dynamics of ripening and to assess the degree of ripening in the avocado, electrical sensing technique is utilized in this study. In particular, electrical impedance spectroscopy (EIS) is found to uncover the physiological and structural characteristics in plants and vegetables and to follow physiological progressions due to environmental impacts. In this work, we present an approach that will integrate EIS and machine learning technique that allows us to monitor the ripening degree of the avocado. It is evident from our study that the impedance absolute magnitude of the avocado gradually decreases as the ripening stages (firm, breaking, ripe, and overripe) proceed at a particular frequency. In addition, principal component analysis shows that impedance magnitude (two principal components combined explain 99.95% variation) has better discrimination capabilities for ripening degrees compared to impedance phase angle, impedance real part, and impedance imaginary part. Our classifier utilizes two principal component features over 100 EIS responses and demonstrates classification over firm, breaking, ripe, and overripe stages with an accuracy of 90%, precision of 93%, recall of 90%, f1-score of 90%, and auc of 88%. The study offers plant scientists a low cost and nondestructive approach to monitor postharvest ripening process for quality control during storage.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».