Feature-driven fruit classification using leveraging machine learning algorithms and nano semiconductor sensors

Venkateswarlu Gundu

doi:10.57647/j.ijnd.2025.1604.26

Feature-driven fruit classification using leveraging machine learning algorithms and nano semiconductor sensors

2025-10-01

0

PRE

AI

V

Venkateswarlu Gundu *

DOI：10.57647/j.ijnd.2025.1604.26

原文链接

原文求助

摘要

En 中文

本研究比较了用于水果分类的机器学习算法，采用了苹果、柑橘、橙子和柠檬作为研究对象。研究目标是识别准确度和精确度得分最高的算法。为了构建一个稳健的数据集，我们采购了多种亚型的几十个橙子、柠檬和苹果，并使用纳米半导体传感器精确记录了它们的质量、宽度、高度和颜色评分。利用这些记录数据，进行统计分析以识别准确的水果分类机器学习方法。准确预测率通过实际值和预期值的差值确定。K-Nearest Neighbors (KNN) 表现出卓越的性能，在训练集、验证集和测试集上分别达到 0.989、0.981 和 0.979 的准确率。KNN 算法结合 W-H-CS 特征组合技术的性能高度依赖于 k 的选择和所选特征的相关性。

Keyword:

Classification algorithms

Nano-scale feature detection

Machine learning algorithms and statistical analysis

Nano-enabled image sensors

Nano semiconductor sensors

Feature-driven fruit classification using leveraging machine learning algorithms and nano semiconductor sensors

摘要

期刊

机构