建立甘藷非破壞式品質分析 (第1年/全程4年) - 農業知識入口網

本報告目的在探討甘藷之光譜特徵與其水分含量間之關聯性。實驗採用 XHR1024i高解析度地物光譜儀，針對180顆正常甘藷樣本進行非破壞性檢測，蒐集涵蓋可見光至短波紅外光（350 nm 至 2500 nm）之全波段光譜數據，並經輻射校正獲取目標輻 射亮度與光譜反射率。研究首先利用獨立樣本t檢定分析全波段光譜數據，初步結果顯 示在廣域波段下，輻射亮度與光譜反射率與水分含量之p值均大於0.05，未達統計顯著 水準。為進一步挖掘光譜數據之潛在價值，本研究導入機器學習回歸模型進行訓練與特徵重要性分析（Shapley Importance）。模型預測結果顯示RMSE為5.8385，並識別出900 nm至1350 nm及2000 nm附近波段具有高度預測貢獻。基於機器學習篩選結果，本研究針對900 nm至1350 nm區間之細分波段重新進行獨立樣本t檢定。分析證實，該區段內46 組細分波段與水分含量之p值均遠小於0.001，顯示出極高度的統計顯著性。本研究結果指出，雖然大範圍平均光譜特徵與水分關聯薄弱，但透過機器學習演算法篩選出之特定近紅外光波段（特別是900-1350 nm），能有效反映甘藷水分含量，證實了高光譜技術在農產品水分檢測上之應用潛力。