Fast and efficient nondestructive evaluation (NDE) methods for food control is still an ongoing field of research. We have recently proposed to combine W-band imaging with nonlinear support vector machine (SVM) classifiers to sort out healthy from damaged fruits for a single variety of fruit. We have tested it on apples and peaches separately with a mean accuracy of 96%. We have also shown the limitation of a biclass SVM since it has failed to sort healthy from damaged fruits when the set of fruits was composed of a mix of apples and peaches. In this article, we continue to explore the capability of SVM associated with millimeter-wave (mm-wave) low-terahertz (THz) measurements. First, we tackle the problem of classifying a mix of fruits with a multiclass SVM using the Digital Binary Tree architecture. With this method, the error rate does not exceed 2%. Secondly, we move from the W- to D-band (lowTHz). The main reason is the increase of the lateral resolution and the possibility to have more compact systems in the view of an industrial deployment. We start our D-band investigations with range measurements to estimate the average permittivity of the apple in this frequency bandwidth. We have found a drastic decrease compared to the microwave region. It is consistent with the behavior of the water, which is one of the main components of the apple. Then we trained the SVM with the D-band database and finally performed the classification on unknown samples and obtained an accuracy of 100%.

中文翻译：

---

通过毫米波和分类技术对水果质量进行无损控制：水果自动健康监测的研究

用于食品控制的快速有效的无损评估 (NDE) 方法仍然是一个正在进行的研究领域。我们最近提出将 W 波段成像与非线性支持向量机 (SVM) 分类器相结合，以从单一品种的水果中挑选出健康的水果和受损的水果。我们分别在苹果和桃子上进行了测试，平均准确率为 96%。我们还展示了双类 SVM 的局限性，因为当一组水果由苹果和桃子的混合物组成时，它无法将健康的水果与受损的水果分类。在本文中，我们将继续探索 SVM 与毫米波 (mm-wave) 低太赫兹 (THz) 测量相关的能力。首先，我们使用数字二叉树架构使用多类 SVM 来解决对混合水果进行分类的问题。用这种方法，错误率不超过2%。其次，我们从 W 波段移动到 D 波段（lowTHz）。主要原因是横向分辨率的增加以及从工业部署的角度来看具有更紧凑系统的可能性。我们从范围测量开始我们的 D 波段研究，以估计苹果在该频率带宽内的平均介电常数。我们发现与微波区域相比，显着下降。它与水的行为一致，水是苹果的主要成分之一。然后我们用 D-band 数据库训练 SVM，最后对未知样本进行分类，获得 100% 的准确率。主要原因是横向分辨率的增加以及从工业部署的角度来看具有更紧凑系统的可能性。我们从范围测量开始我们的 D 波段研究，以估计苹果在该频率带宽内的平均介电常数。我们发现与微波区域相比急剧下降。它与水的行为一致，水是苹果的主要成分之一。然后我们用 D-band 数据库训练 SVM，最后对未知样本进行分类，获得 100% 的准确率。主要原因是横向分辨率的增加以及从工业部署的角度来看具有更紧凑系统的可能性。我们从范围测量开始我们的 D 波段研究，以估计苹果在该频率带宽内的平均介电常数。我们发现与微波区域相比，显着下降。它与水的行为一致，水是苹果的主要成分之一。然后我们用 D-band 数据库训练 SVM，最后对未知样本进行分类，获得 100% 的准确率。它与水的行为一致，水是苹果的主要成分之一。然后我们用 D-band 数据库训练 SVM，最后对未知样本进行分类，获得 100% 的准确率。它与水的行为一致，水是苹果的主要成分之一。然后我们用 D-band 数据库训练 SVM，最后对未知样本进行分类，获得 100% 的准确率。