【技术实现步骤摘要】
本专利技术涉及食品分析领域，尤其涉及基于机器学习的豌豆营养成分分析方法及系统。
技术介绍
1、随着人们对健康饮食的关注度不断提升，农产品营养成分的精准分析已成为食品科学、农业
的重要研究方向，豌豆作为富含蛋白质、膳食纤维及多种维生素的重要农作物，其营养成分的准确评估不仅有助于优化种植管理策略，还能为食品加工、膳食营养指导提供关键依据。
2、传统化学检测方法存在破坏性取样、耗时、昂贵等局限，难以满足现代产业对营养成分实时监测与动态评估的需求。近年来，机器学习技术结合光谱分析、图像处理等非破坏性检测手段，为农作物营养成分的快速预测提供了新方向，但已有的检测技术仍存在较多不足：首先，检测手段单一，未能有效融合生长环境、储运过程等多维度动态因素，导致预测模型泛化能力不足；其次，传统方法对宏量/微量营养的关联性分析缺失，且忽略储运环节的营养流失效应，致使全链条营养评估精度受限；最后，现有机器学习模型多依赖集中式计算架构，难以适配田间移动检测设备的边缘计算需求。针对上述问题，本专利技术提出基于机器学习的豌豆营养成分分析方法及系统，...
【技术保护点】
1.基于机器学习的豌豆营养成分分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于机器学习的豌豆营养成分分析方法，其特征在于：所述历史营养成分通过对豌豆样本进行测试分析获得；所述第一营养成分表示豌豆最佳采摘时段对应的营养成分；所述第二营养成分表示豌豆食用前的营养成分。
3.根据权利要求1所述基于机器学习的豌豆营养成分分析方法，其特征在于，所述构建历史营养流失库的方法，包括：
4.根据权利要求1所述基于机器学习的豌豆营养成分分析方法，其特征在于，所述进行边缘处理的方法，包括：
5.根据权利要求1所述基于机器学习...
【技术特征摘要】
1.基于机器学习的豌豆营养成分分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于机器学习的豌豆营养成分分析方法，其特征在于：所述历史营养成分通过对豌豆样本进行测试分析获得；所述第一营养成分表示豌豆最佳采摘时段对应的营养成分；所述第二营养成分表示豌豆食用前的营养成分。
3.根据权利要求1所述基于机器学习的豌豆营养成分分析方法，其特征在于，所述构建历史营养流失库的方法，包括：
4.根据权利要求1所述基于机器学习的豌豆营养成分分析方法，其特征在于，所述进行边缘处理的方法...
【专利技术属性】
技术研发人员：高小丽，杨文才，尼玛次仁，马才仁卓玛，廖文华，王文峰，
申请(专利权)人：西藏自治区农牧科学院农业研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。