この研究では、400〜1000nmのハイパースペクトルカメラと杭州カラースペクトルテクノロジー株式会社の製品を使用できます。
FS13では関連研究を行っています。スペクトル範囲は400～1000nmで、波長分解能は2.5nmより優れ、最大1200nmです。
2 つのスペクトル チャネル。取得速度は全スペクトルで最大 128FPS、バンド選択後は最大 3300Hz (マルチゾーンのサポート)
ドメイン帯域の選択)。
中国におけるジャガイモ主穀戦略の推進により、ジャガイモ関連産業チェーンが急速に発展し、ジャガイモの品質が大きな問題となっている。しかし、緑色の皮や機械的損傷などの欠陥は、ジャガイモ全体の量、特に緑色の皮のジャガイモの複雑な形状に重大な影響を与えるため、欠陥を特定するのは容易ではなく、検出の難易度が高くなります。一方で、青芋に含まれるソラニンの含有量が食用基準を超えると食中毒を引き起こし、食品の安全上の問題を引き起こす可能性があります。したがって、ジャガイモの深部加工とジャガイモ産業チェーンの拡大のための高速かつ非破壊的な検出方法を研究することは非常に重要です。
ハイパースペクトルイメージング技術は広帯域という利点があり、検査サンプルの対応する帯域範囲の画像情報とスペクトル情報を同時に取得できるため、農産物の迅速な非破壊検査に広く使用されています。皮が薄緑色のジャガイモを任意の位置で認識するのが難しいという問題を解決するために、半透過および反射ハイパースペクトルイメージング技術を使用して比較および分析し、異なるハイパースペクトルイメージング方法でのモデル認識精度を決定しました。 。ジャガイモサンプルの半透過ハイパースペクトル画像と反射ハイパースペクトル画像を任意の位置で収集し、画像情報とスペクトル情報に基づいた検出モデルをそれぞれ確立し、異なるモデルの認識率を比較しました。さらに画像とスペクトルの融合モデル、またはさまざまな画像融合モデルを確立してモデルのパフォーマンスを向上させ、最終的に最適なモデルを決定します。
(1) 異なるハイパースペクトルイメージング手法による画像情報認識モデルの精度を比較する。半送信画像情報に基づく深層信念ネットワークモデルと組み合わせたアイソメトリックマッピングの認識率はわずか78.67%です。反射された画像情報に基づく深い信念ネットワーク モデルと組み合わせた最大分散拡張の認識率は、わずか 77.33% です。その結果、単一の画像情報による薄緑色のジャガイモの検出精度は高くないことがわかった。
(2) 異なるハイパースペクトルイメージング手法によるスペクトル情報認識モデルの精度を比較します。半透過スペクトル情報に基づくディープ・ビリーフ・ネットワーク・モデルと組み合わせたローカル接線空間配置の認識率は最高の93.33%です。反射率スペクトル情報に基づく深層信念ネットワークモデルと組み合わせたローカル接線空間配置の認識率は最大90.67%です。この結果は、単一のスペクトル情報を使用して薄緑色のジャガイモを検出することが可能であることを示していますが、認識率をさらに改善する必要があります。
(3) 3 つの多情報源情報融合手法が認識精度に及ぼす影響を比較する。半透過画像と半透過スペクトル、反射画像と反射スペクトル、半透過スペクトルと反射スペクトルの 3 つの融合モデルの精度は、単一の画像またはスペクトル モデルよりも高く、深層信念ネットワーク融合モデルの精度は高くなります。半透過スペクトルと反射スペクトルが最も良く、補正セットとテストセットの認識率は100%です。結果は,半透過スペクトルと反射スペクトルの融合モデルが薄緑色の皮ジャガイモの非破壊検査を実現できることを示した。