Page 246 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL

non-destructive apple measurements. Food Chemistry, 310, 125944.
https://doi.org/10.1016/j.foodchem.2019.125944
Li, M., Han, D., & Liu, W. (2019). Non-destructive measurement of soluble solids
content of three melon cultivars using portable visible/near infrared
spectroscopy. Biosystems Engineering, 188, 31–39. https://doi.org/10.1016/j.
biosystemseng.2019.10.003
Li, X., Li, R., Wang, M., Liu, Y., Zhang, B., & Zhou, J. (2018). Hyperspectral
Imaging and Their Applications in the Nondestructive Quality Assessment of
Fruits and Vegetables. In Hyperspectral Imaging in Agriculture, Food and
Environment. InTech. https://doi.org/10.5772/intechopen.72250
Liên đoàn Thương mại và Công nghiệp Việt Nam & Fulbright. (2020). Báo cáo kinh
tế thường niên đồng bằng sông Cửu Long năm 2022: Chuyển đổi mô hình phát
triển và quy hoạch tích hợp. Nhà xuất bản Đại học Cần Thơ.
Lộc, N. P., Ngoan, P. T., Khang, T. V. G, Nghiệm, N. C., & Ngôn, N. C. (2022).
Xây dựng hệ thống thu thập ảnh toàn bề mặt và xác định ảnh chụp trực diện bốn
mặt chính của xoài phục vụ cho phân loại xoài tự động. Hội nghị – Triển lãm
quốc tế lần thứ 6 về Điều khiển và Tự động hóa (VCCA-2021) (trang. 736–741).
Manley, M. (2014). Near-infrared spectroscopy and hyperspectral imaging: non-
destructive analysis of biological materials. Chem. Soc. Rev., 43(24), 8200–
8214. https://doi.org/10.1039/C4CS00062E
Mao, J., Yu, Y., Rao, X., & Wang, J. (2016). Firmness prediction and modeling by
optimizing acoustic device for watermelons. Journal of Food Engineering, 168,
1–6. https://doi.org/10.1016/j.jfoodeng.2015.07.009
Minas, I. S., Blanco-Cipollone, F., & Sterle, D. (2021). Accurate non-destructive
prediction of peach fruit internal quality and physiological maturity with a
single scan using near infrared spectroscopy. Food Chemistry, 335(February
2020), 127626. https://doi.org/10.1016/j.foodchem.2020.127626
Minh Trieu, N. & Truong Thinh, N. (2021). Quality classification of dragon fruits
based on external performance using a convolutional neural network. Applied
Sciences, 11(22), 10558. https://doi.org/10.3390/app112210558
Mishra, P., Roger, J. M., Marini, F., Biancolillo, A., & Rutledge, D. N. (2021).
FRUITNIR-GUI: A graphical user interface for correcting external influences
in multi-batch near infrared experiments related to fruit quality prediction.
Postharvest Biology and Technology, 175, 111414. https://doi.org/10.1016/j.
postharvbio.2020.111414
Mishra, P., & Woltering, E. (2023). Semi-supervised robust models for predicting
dry matter in mango fruit with near-infrared spectroscopy. Postharvest Biology
and Technology, 200(December 2022), 112335. https://doi.org/10.1016/j.
postharvbio.2023.112335

232