基于电生理信号的土豆萌芽早期检测

准确预测土豆萌芽在任何视觉迹象出现之前都是有效储藏管理的关键，因为萌芽会降低块茎的商业价值和营养价值。有效的预测允许针对性地应用抗萌芽化学剂（ASC），以减少浪费并降低成本。由于公开 CIPC（异丙基 N-3-氯苯基碳酸酯）或氯丙胍的健康和环境顾虑导致其禁用，导致采用显著更昂贵的替代品。现有方法主要依赖视觉识别，仅在形态变化发生后检测萌芽，限制了其主动管理的有效性。因此，可靠的早期预测方法至关重要，以实现及时干预并提高后收获储藏策略的效率，其中早期指指在任何可见迹象出现前检测萌芽。本文提出了一种新型基于机器学习（ML）的方法，利用专用传感器记录的块茎电生理信号，实现对土豆萌芽的早期预测。该方法对记录的信号进行预处理，在小波域中提取相关特征，并训练受监督的 ML 模型进行早期萌芽检测。此外，我们还纳入不确定性量化技术以增强预测。实验结果表明，本方法在土豆萌芽的早期检测方面表现良好，能够准确预测部分土豆的确切萌芽日，并在所有土豆之间显示可接受的平均误差。尽管已取得有希望的成果，但仍需进一步细化以最小化预测误差，尤其是减少最大观察偏差。