多模态数据融合用于苹果干燥过程中的水分含量预测
机器学习
2026-02-10 v1
摘要
水果干燥广泛应用于食品制造中，以降低产品水分、确保产品安全并延长产品保质期。准确预测最终水分含量对于干燥过程的质量控制至关重要。现有方法可以建立过程参数与水分含量之间的确定性关系，但无法充分考虑水果干燥中普遍存在的固有过程变异性。为弥补这一不足，本文提出了一种新颖的多模态数据融合框架，有效融合两种模态的数据：表格数据（过程参数）和高维图像数据（干燥苹果切片图像），以实现准确的水分含量预测。所提出的建模架构允许灵活调整来自表格和图像数据模态的信息比例。实验验证表明，与现有方法相比，多模态方法显著提高了预测精度。与仅使用表格数据、仅使用图像数据以及标准表格-图像融合模型相比，该方法分别将均方根误差降低了19.3%、24.2%和15.2%。此外，实验证明该方法在不同表格-图像比例下具有鲁棒性，并能有效捕捉固有的小尺度过程变异性。所提出的框架可扩展到其他多种干燥技术。
引用
@article{arxiv.2504.07465,
title = {Multi-Modal Data Fusion for Moisture Content Prediction in Apple Drying},
author = {Shichen Li and Chenhui Shao},
journal= {arXiv preprint arXiv:2504.07465},
year = {2026}
}
备注
Accepted for publication in the Proceedings of the 53rd North American Manufacturing Research Conference (NAMRC 53), to appear in Manufacturing Letters