Spatial Variability of Aroma Profiles of Cocoa Trees Obtained through Computer Vision and Machine Learning Modelling: A Cover Photography and High Spatial Remote Sensing Application.

Пространственная изменчивость ароматических профилей деревьев какао, полученных с помощью компьютерного зрения и моделирования на основе машинного обучения: применение фотосъемки растительного покрова и дистанционного зондирования с высоким пространственным разрешением.

Clicks: 423
ID: 86682
2019
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #119 of 1,694 articles by views in sensors

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 1,694 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Cocoa is an important commodity crop, not only to produce chocolate, one of the most complex products from the sensory perspective, but one that commonly grows in developing countries close to the tropics. This paper presents novel techniques applied using cover photography and a novel computer application (VitiCanopy) to assess the canopy architecture of cocoa trees in a commercial plantation in Queensland, Australia. From the cocoa trees monitored, pod samples were collected, fermented, dried, and ground to obtain the aroma profile per tree using gas chromatography. The canopy architecture data were used as inputs in an artificial neural network (ANN) algorithm, with the aroma profile, considering six main aromas, as targets. The ANN model rendered high accuracy (correlation coefficient (R) = 0.82; mean squared error (MSE) = 0.09) with no overfitting. The model was then applied to an aerial image of the whole cocoa field studied to produce canopy vigor, and aroma profile maps up to the tree-by-tree scale. The tool developed could significantly aid the canopy management practices in cocoa trees, which have a direct effect on cocoa quality.
Какао является важной товарной сельскохозяйственной культурой, используемой не только для производства шоколада — одного из наиболее сложных продуктов с органолептической точки зрения, — но и произрастающей преимущественно в развивающихся странах вблизи тропического пояса. В данной статье представлены новые методы, основанные на фотосъемке растительного покрова и инновационном компьютерном приложении (VitiCanopy), для оценки архитектоники кроны деревьев какао на промышленной плантации в Квинсленде (Австралия). С исследуемых деревьев какао были собраны образцы плодов, которые затем ферментировали, сушили и измельчали для получения ароматического профиля каждого отдельного дерева методом газовой хроматографии. Данные об архитектонике кроны использовались в качестве входных параметров алгоритма искусственной нейронной сети (ИНС), а целевыми переменными выступали показатели ароматического профиля с учетом шести основных ароматических дескрипторов. Модель ИНС продемонстрировала высокую точность (коэффициент корреляции (R) = 0,82; среднеквадратическая ошибка (MSE) = 0,09) при отсутствии переобучения. Затем данная модель была применена к аэрофотоснимку всего исследуемого поля какао для построения карт мощности кроны и ароматического профиля с детализацией вплоть до отдельных деревьев. Разработанный инструмент может внести значительный вклад в практику управления кроной деревьев какао, оказывающую непосредственное влияние на качество конечного продукта.
Reference Key
fuentes2019spatialsensors Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Fuentes, Sigfredo;Chacon, Gabriela;Torrico, Damir D;Zarate, Andrea;Gonzalez Viejo, Claudia;
Journal sensors
Year 2019
DOI
E3054
URL
Keywords
artificial neural networks cocoa beans volatile compounds viticanopy app leaf area index

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.