RGB、HSV、およびHSLカラースペースと機械学習モデルを用いた苺の総可溶性固形物およびpHの予測

総可溶性固形物（TSS）やpHなどの内部品質の決定は、苺栽培において非常に重要な課題です。したがって、本研究の主な目的は、苺のTSSおよびpHを予測するための機械学習アルゴリズムを用いた非破壊的アプローチを開発することでした。長さ、直径、重量、TSSおよびpH値などの生体的特性を測定するために、6つの成熟段階で各段階に100サンプル、合計600サンプルをランダムに収集しました。各苺の画像は、画像処理技術を使用して色の特徴を抽出するためにキャプチャされました。各カラースペース（RGB、HSV、HSL）のチャネルは、重回帰分析（MLR）およびサポートベクターマシン回帰（SVM-R）モデルを開発するための入力変数として使用されました。研究の結果、SVM-RモデルがHSVカラースペースを用いることでTSSおよびpHの予測においてMLRモデルよりもわずかに優れていることが示されました。HSVを基にしたSVM-Rモデルは、トレーニングおよびテスト段階での測定されたデータと予測データの変動の最大84.1％および79.2％、TSSおよび78.8％および72.6％を説明できました。さらなる実験は、異なる苺品種の予測およびモデル性能の向上のために行う必要があります。