Assessment of Mechanical Damage and Germinability in Flaxseeds Using Hyperspectral Imaging
Notice bibliographique
Résumé
The high demand for flax as a nutritious edible oil source combined with increasingly restrictive import regulations for oilseeds mandates the exploration of novel quantity and quality assessment methods. One pervasive issue that compromises the viability of flaxseeds is the mechanical damage to the seeds during harvest and post-harvest handling. Currently, mechanical damage in flax is assessed via visual inspection, a time-consuming, subjective, and insufficiently precise process. This study explores the potential of hyperspectral imaging (HSI) combined with chemometrics as a novel, rapid, and non-destructive method to characterize mechanical damage in flaxseeds and assess how mechanical stresses impact the germination of seeds. Flaxseed samples at three different moisture contents (MCs) (6%, 8%, and 11.5%) were subjected to four levels of mechanical stresses (0 mJ (i.e., control), 2 mJ, 4 mJ, and 6 mJ), followed by germination tests. Herein, we acquired hyperspectral images across visible to near-infrared (Vis-NIR) (450–1100 nm) and short-wave infrared (SWIR) (1000–2500 nm) ranges and used principal component analysis (PCA) for data exploration. Subsequently, mean spectra from the samples were used to develop partial least squares-discriminant analysis (PLS-DA) models utilizing key wavelengths to classify flaxseeds based on the extent of mechanical damage. The models developed using Vis-NIR and SWIR wavelengths demonstrated promising performance, achieving precision and recall rates >85% and overall accuracies of 90.70% and 93.18%, respectively. Partial least squares regression (PLSR) models were developed to predict germinability, resulting in R2-values of 0.78 and 0.82 for Vis-NIR and SWIR ranges, respectively. The study showed that HSI could be a potential alternative to conventional methods for fast, non-destructive, and reliable assessment of mechanical damage in flaxseeds.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».