15、量子计算在芒果分级与移动自组织网络中的应用探索

量子计算在芒果分级与移动自组织网络中的应用探索

量子深度学习在芒果多级分级中的应用

在芒果分级领域，研究聚焦于 Rumani、Neelam 和 Banganapalli 这三种芒果品种。该研究具备多项重要成果：
- 品种识别与外观分级 ：能够根据特征集识别这三种芒果品种，同时依据外观特征将芒果分为 NotFit、Average 和 Good 三个等级。
- 无损 TSS 预测与甜度分级 ：可无损预测芒果的总可溶性糖（TSS）含量，TSS 直接关联芒果的甜度，研究据此将芒果的甜度分为 Low、Moderate 和 High 三个等级，这是该研究的独特贡献。
- 算法比较与综合分级 ：对比了五种机器学习算法，发现随机森林在水果品种识别以及外部和内部分级方面表现更优。最终的芒果质量分级是结合外部和内部分级方法的整体多级分级，可借助低成本技术实时完成，且通过深度学习和机器学习算法提高了准确性。

然而，这项研究也存在一定局限性：
|局限性|详情|
| ---- | ---- |
|品种范围|仅针对印度南部大量种植的三种芒果品种，地理、土壤和气候的变化会使芒果 TSS 值改变，甜度分级过程需重新校准。|
|数据收集|未考虑过熟芒果的分级，且跨地域收集芒果数据存在挑战，分级研究局限于金奈周边农场种植的芒果。|
|外部分级条件|外部分级时光照需恒定，否则会影响提取的特征集。土壤和气候也会影响芒果的大小和形状等外部特征，需要考虑更广泛地域的芒果样本。|
|内部缺陷|目前仅基于芒果外部表面的缺陷进行分级，未考虑内部缺陷