Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Agricultural Engineering

1 2025

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Lonicera caerulea L.

Sortuj według:

Ogranicz wyniki do:

Investigating the effect of ozonation on mechanical parameters of Lonicera caerulea L. fruits using machine learning

Basara Oskar, Pentoś Katarzyna, Gorzelany Józef

Agricultural Engineering

2025

Vol. 29, No. 1

97--114

Lonicera caerulea L. - well - known in Poland as Kamchatka berry, has been gaining increasing popularity in recent years. The tests carried out on newly established Japanese haskap clones aimed at demonstrating the suitability of the fruits for mechanical harvesting and storage. This study focused on evaluation of mechanical properties and assessment of three distinct machine learning techniques to create predictive models that elucidate the connection between key mechanical attributes of the fruit and storage conditions of L. caerulea. The average force needed to puncture the fruits skin and flesh of L. caerulea var. emphyllocalyx varieties is 16.91% higher than that required for the tested L. caerulea var. kamtschatica varieties. L. caerulea var. emphyllocalyx fruits exhibited a significantly higher respiration rate, with C2H4 and CO2 levels during storage being 25.5% and 10.5% higher, respectively, compared to L. caerulea var. kamtschatica varieties. The machine learning algorithms tested yielded accurate models for deformation and energy prediction. The mean absolute percentage error (MAPE) of these models was determined to be between 14.87 and 20.65%. Models with significantly lower accuracy were obtained for force prediction, with the MAPE reaching 28.95% for L. var. kamtschatica fruit and 42.33% for L. emphyllocalyx fruit. The cultivation and improvement of Lonicera caerulea L. varieties is of great importance for the advancement of mechanized harvesting methods and the development of improved storage technologies for this species. The creation of machine learning methods will facilitate the development of predictive models that can serve as a predictive tool for the relationship between selected mechanical properties.

Lonicera caerulea L. - dobrze znana w Polsce pod nazwą jagody kamczackiej w ostatnich latach stała się popularna. Badania przeprowadzone na niedawno wyhodowanych japońskich klonach haskap miały wykazać, że owoce nadają się do mechanicznego zbioru i przechowywania. Niniejsza praca ma na celu ocenę właściwości mechanicznych i trzech odrębnych metod uczenia maszynowego, aby stworzyć modele predykcyjne, które wyjaśniają związek między kluczowymi atrybutami mechanicznymi owoców i warunkami przechowywania L. caerulea. Średnia siła potrzebna do przekłucia skóry i miąższu owoca L. caerulea var. emphyllocalyx wynosi o 16,91% więcej niż ta wymagana dla badanych odmian L. caerulea var. kamtschatica. Owoce L. caerulea odmiany emphyllocalyx wykazały istotnie wyższy poziom tempa oddychania, przy poziomach C2H4 i CO2 podczas przechowywania na poziomie 25,5% i 10,5% odpowiednio wyższym, w porównaniu do odmian L. caerulea var. kamtschatica. Algorytm uczenia maszynowego zbadał wygenerowane dokładne modele do przewidywania deformacji i energii. Średni bezwzględny błąd procentowy (MAPE) badanych modeli wynosił pomiędzy 14,87 a 20,65%. Modele o dużo niższej dokładności uzyskano do przewidywania siły przy średnim bezwzględnym błędzie procentowym wynoszącym 28,95% dla owoców L. odmiany kamtschatica oraz 42,33% dla owoców L. emphyllocalyx. Uprawa i ulepszenie odmian Lonicera caerulea L. ma wielkie znaczenie dla rozwoju zmechanizowanych metod uprawy i rozwoju ulepszonych technologii przechowywania tego gatunku. Stworzenie metod uczenia maszynowego poprawi rozwój modeli predykcyjnych, które mogą służyć jako narzędzie predykcyjne dla zależności wybranych cech mechanicznych.