一种基于机器学习结合光学特性与蒙特卡洛模拟评估果泥流变特性的方法

本发明涉及了一种基于机器学习结合光学特性与蒙特卡洛模拟评估果泥流变特性的方法，通过获取不同组织粒子结构下(粒子浓度、粒子大小)苹果果泥在短波近红外波段的光吸收与光散射信号以及在1050nm下的蒙特卡洛模拟结果，利用标准正态变换方法对采集光学信号预处理后，基于支持向量机算法构建了一种苹果流变特性(稠度系数、表观粘度、弹性模量、粘性模量、屈服应力、损耗因子)的评估模型，实现仅以光学特性结合蒙特卡洛模拟对苹果果流变特性的有效预测。此方法仅通过对果泥进行光吸收、散射信号获取结合蒙特卡洛模拟，即可评估热加工过程中果泥的流变特性，为果泥加工企业实现快速、高效、稳定的产品质构品质监控提供技术支持。