• 研究生: 劉宇珉
• 畢業學年度: 109
• 相關連結

台灣的農業面臨人口老化與國外低廉價格的威脅，近年來逐漸朝向精緻化農業發展，利用自動化與客製化的生產環境提升農產品品質，提升其市場競爭力。然而，許多農產品的檢測方法與標準並未隨著農業精緻化而有所提升，以杏鮑菇為例，杏鮑菇在台灣是一種常見的食用菇類，具有營養價值和經濟價值，新鮮度則是影響其價值的重要關鍵因素。然而，目前僅有的分級方式還是依據其物理大小分為三級，至於品質方面的檢測指標則付之闕如。因此杏鮑菇的品質往往必須回歸到消費者的感官(如：視覺、嗅覺、味覺、觸覺等)，加上經驗法則進行主觀判定。
高光譜影像技術常被使用在農作物檢測上，與彩色影像相比高光譜影像能夠蒐集眾多窄光譜波段，並涵蓋人眼不可見的紅外光波段，因此能夠針對不同的物質所反射的光譜特徵進行分析，用以偵測人類肉眼不可見的物質與資訊。本論文利用高光譜影像判斷杏鮑菇的新鮮度，所提出的方法是對目標物的高光譜影像波段間使用平滑濾波器搭配微分分析法，利用現今發展成熟的分類器如神經網路、支援向量機、隨機森林，針對杏鮑菇的新鮮度已儲存的日數進行分類判斷，並透過實驗來比較多項平滑濾波器結合微分分析法之預測效果。

• 研究生: 王家睿
• 畢業學年度: 109
• 相關連結

近年來食品安全受到大眾的密切關注，食品檢測的技術也隨著科技的演進不斷地提升，並使得高光譜食品檢測技術受到關注。高光譜檢測技術可以對食品或農產品進行非破壞式的檢測，其原理是蒐集食品與農產品高解析度的光譜資訊，由於每種化學物質均有其對應的特定光譜反應，藉由光譜資訊可以偵測特定物質及濃度，因此得以偵測人類肉眼不可見的狀態。
本論文以杏鮑菇的新鮮度為例，杏鮑菇的新鮮度是影響其商業價值的重要關鍵。然而菇類與其他農產品最大的不同點是，菇類於採收之後的衰敗程度並非一個線性程序。這是因為菇類為真菌類，採收後不會立即死亡，依照其環境變因有可能會持續存活或成長，一直到某個臨界點才會開始崩壞，因此無法單純地透過採收日數來推估其新鮮度。
本論文藉由高光譜設備收集杏鮑菇於不同存放天數的高光譜資料，主要分三個階段，第一個階段分析杏鮑菇光譜資料，透過深度神經網路與支持向量機進行新鮮度分析之優劣。第二個階段比較三個傳統光譜相似度演算法(SAM、SID、CEM)，以及深度神經網路對於杏鮑菇新鮮度的靈敏度，從實驗結果發現深度神經網路對於新鮮度檢測的準確度更高。第三個階段利用杏鮑菇採摘後幾天的光譜資訊，經過微分分析法加上深度神經網路模型得到新鮮度數值之後，再透過長短期記憶演算法預測完整的杏鮑菇崩壞趨勢，經由實驗驗證預測結果很接近真實的趨勢。

• 研究生: 洪秉宏
• 畢業學年度: 108
• 相關連結

食品安全為現行每個國家非常注重的議題，近年來由於硬體與軟體的提升，使得高光譜食品檢測技術逐漸受到重視，其優勢在於能夠利用光譜資訊分析肉眼無法看見的成分，透過每種物質特殊的光譜反應，可以對應回食物中所包含的成分或者食物當下的狀態。相關的研究領域已經應用高光譜檢測技術探討雙孢蘑菇的撞傷和褐化的偵測，然而新鮮度尚未被探討，而食品的新鮮度在食品安全領域中也是一項重要的議題。本論文透過高光譜儀採集放置不同天數不同環境下的杏鮑菇，利用機器學習的演算法分析其光譜與時間的相關性，進而找到判定杏鮑菇新鮮度的光譜特徵與波段。
本論文分為兩階段，第一階段利用近紅外光範圍(900-1700nm)的高光譜儀採集每周杏鮑菇的資料，將數據合併後分析其時間相關性。資料分析使用兩種方法，第一種方法利用機器學習的非監督式學習演算法，尋找隨著時間改變的特徵光譜，並透過波段選擇演算法決定各個關鍵波段的權重，最後應用最小化限制能量法對其權重較高的波段進行偵測；第二種方法利用機器學習的深度類神經網路將放置較久及新鮮的杏鮑菇作為訓練樣本，並利用此模型對其餘的樣本進行測試，隨後統計兩種方法的效能。實驗數據得知兩種方法的結果均隨著杏鮑菇新鮮度呈現往右移動的趨勢，以此用來界定杏鮑菇的新鮮度。第二階段進一步分析可見光範圍(400-1000 nm)與近紅外光範圍(900-1700 nm)的高光譜儀，用於比較杏鮑菇新鮮度的靈敏程度，根據實驗結果比較各時間點的統計分布後，可以發覺可見光範圍搭配深度類神經網路對於估計杏鮑菇的新鮮程度的效能最佳。