一维卷积神经网络估算芒果干物质含量评估数据集2024

数据集概述

本数据集为研究论文“Evaluation of 1D Convolutional Neural Network in Estimation of Mango Dry Matter Content”的配套数据，包含不同预处理方式的芒果光谱输入数据、模型预测结果及实验原始结果，支持复现基于一维卷积神经网络的芒果干物质含量估算研究。

文件详解

• 输入数据文件（CSV格式）：
• 位于data/input/season_1_to_4/目录：nil_pretreatment.csv（无预处理数据）、anderson&etal_2020_pretreatment.csv（Anderson预处理数据）、mishra&passos_2021_pretreatment.csv（Mishra预处理数据）、mishra&passos_2021_pretreatment_adjusted.csv（调整后Mishra预处理数据）
• 位于data/input/season_5/目录：nil_pretreatment.csv、anderson&etal_2020_pretreatment.csv、mishra&passos_2021_pretreatment.csv、mishra&passos_2021_pretreatment_adjusted.csv
• 预测结果文件：
• data/predictions/mishra&passos_2021_best_cnn.csv：包含模型名称、测试数据类型、真实值（y_true）、预测值（y_pred）、误差（y_error）等字段
• 实验结果文件：
• data/results/raw_results.csv：CSV格式，包含模型、预处理方式、训练集/验证集、R²/ RMSE等训练指标字段
• data/results/appendix_a_model_results.xlsx：Excel格式，附录A的模型结果汇总

数据来源

• Mendeley Data（原始数据：Mango DMC and spectra Anderson et al. 2020）
• GitHub（配套代码：https://github.com/jemjemwalsh/research-deep-learning-nirs/tree/main/publications/Eval-1D-CNN-Mango-DM）

适用场景

• 农业信息技术研究：验证一维卷积神经网络在农产品品质检测中的应用效果
• 机器学习模型评估：比较不同预处理方法对芒果干物质含量预测模型性能的影响
• 光谱数据分析：探索光谱预处理技术在水果内部品质估算中的优化方向
• 学术研究复现：支持复现基于该数据集的芒果干物质含量估算实验结果