Optimization of a Coffee Bean Roasting Machine Using Fuzzy Logic and Deep Learning Approaches
Notice bibliographique
Résumé
Coffee is a primary commodity in international trade.Post-harvest processing, particularly the roasting stage, plays a critical role in determining the final product attributes, such as flavour, aroma, colour, and bioactive compound content.Precise control during the roasting process is essential to ensure quality consistency, especially at a commercial production scale.This study aims to develop an adaptive control system to achieve a uniform roast level in coffee beans.The implemented method integrates fuzzy logic with a deep learning-based evaluation mechanism.The fuzzy logic functions as the main controller for the roaster, dynamically regulating temperature, time, and heat intensity parameters based on sensor input.Subsequently, a Convolutional Neural Network (CNN) algorithm was employed as an objective evaluation system to classify the roast degree (light, medium, dark) based on images of the coffee beans.The research dataset, comprising 1,600 images of roasted coffee beans, was obtained from Kaggle.com for model training and validation, while the beans roasted by the machine were used as test data.The test results demonstrated highly reliable system performance.The fuzzy controller exhibited robust adaptability across various baking phases, and the CNN model achieved a validation accuracy of 95.83% based on the results of 5-fold cross-validation testing.These findings confirm that the integration of these two technologies successfully creates a closed-loop system capable of producing roasted coffee beans with a high degree of consistency and accuracy.This approach also significantly reduces reliance on manual assessment, which is prone to subjectivity and error.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».