Abstrak
LATAR BELAKANG
Profil rasa dan kualitas produk teh putih, yang sangat bergantung pada tempat asalnya, secara signifikan memengaruhi keputusan pembelian konsumen. Pengujian pemalsuan kuantitatif untuk asal teh telah menemui tantangan karena kinerja yang buruk dalam validasi eksternal acak, yang telah sangat menghambat penerapan praktis teknologi inframerah dekat (NIR).
HASIL
Studi ini menggunakan model pembelajaran mendalam jaringan saraf konvolusional dua dimensi (2D-CNN) yang dikombinasikan dengan teknologi pengodean citra medan sudut Gramian (GAF) (GAF-2D-CNN) untuk mendeteksi secara kuantitatif pemalsuan teh putih berdasarkan asal geografis menggunakan data spektral inframerah dekat (NIRS). Hasilnya menunjukkan bahwa model GAF-2D-CNN dapat memproses data spektral mentah secara efektif dan memprediksi data rasio pemalsuan acak yang tidak terlatih dengan akurasi tinggi. Rata-rata R2 dan kesalahan akar kuadrat rata-rata dalam verifikasi eksternal data asli masing-masing mencapai 0,9754 dan 0,0349, yang memenuhi kebutuhan produksi praktis. Selain itu, GAF-2D-CNN secara signifikan mengungguli model regresi tradisional dan model 1D-CNN.
KESIMPULAN
Studi ini memperkenalkan penerapan metode pengkodean citra spektral NIR dalam regresi teh dan menyoroti keunggulan pemrosesan citra pembelajaran mendalam dalam industri teh. © 2025 Masyarakat Industri Kimia.
Leave a Reply