logo
メッセージを送る

CHNSpec Technology (Zhejiang)Co.,Ltd chnspec@colorspec.cn 86--13732210605

CHNSpec Technology (Zhejiang)Co.,Ltd 企業紹介
ニュース
ホーム > ニュース >
会社ニュース Hyperspectralイメージ投射に基づくクルミの穀粒の質の検出

Hyperspectralイメージ投射に基づくクルミの穀粒の質の検出

2023-07-01
Latest company news about Hyperspectralイメージ投射に基づくクルミの穀粒の質の検出

この調査ではクルミの内部を検出するのに、400-1000nm hyperspectralカメラが使用されFS-13の杭州CHNSpecの技術Co.、株式会社のプロダクトは関連の研究に、使用できる。800-1700nmのスペクトル領域のクルミの表面を検出するためには、900-1700nmのスペクトル領域のFS-15 hyperspectralカメラは波長の決断と2.5nmおよび1200までの分光チャネルよりよく使用することができる。獲得の速度はバンド選択が3300Hz (サポート多領域バンド選択)だった後完全なスペクトルの128FPS、および最高に達することができる。

最新の会社ニュース Hyperspectralイメージ投射に基づくクルミの穀粒の質の検出  0最新の会社ニュース Hyperspectralイメージ投射に基づくクルミの穀粒の質の検出  1

クルミはすべての年齢のために適したナットの食糧および重要な木質オイル穀物である。世界の中国のランク第1のクルミの植わる区域そして収穫。クルミの穀粒のテストし、等級別になる質はクルミの生産および処理の重要なリンクである。関連した国民の標準に従って、クルミの穀粒の出現の質の表示器は内部質の表示器は脂肪分および蛋白質内容を含んでいるが、完全性および皮膚色を含んでいる。実際の生産では、等級別になるクルミの穀粒は等級分けで高い偶発性および高い生産費がある内部質を区別することを困難にするの手動選択に主に出現および色、頼る。従来の化学テストはサンプルに有害で、検出する長い時間を取り現代生産所要に合わせることを困難にする。現在、クルミの質の検出のためのhyperspectral技術の使用の研究はクルミの貝および穀粒の分類に主に焦点を合わせ、クルミの穀粒の質に関連したレポートがずっとない。

同時にクルミの穀粒の内部質の検出そして出現の分類を実現するために方法を探検するためにはこの調査は脂肪分の独特スペクトル、クルミの穀粒の蛋白質クルミの穀粒の質の非破壊的なテストの適用に参照を提供するために内容および色を選別するのにhyperspectral画像技術をおよび選別されて質の表示器の関連した独特バンド使用した。
near-infrared地域(863-1704のmm)のクルミの穀粒のサンプルの平均分光情報および前に処理された分光情報は図3.で示されている。サンプルの元の分光情報の総合特性は水の吸収ピークを除いて基本的に一貫している、他の部品の吸収ピークは明らかではないし、スペクトルのこれからのプロセスは必要である。MSEおよびSNVを結合する調査分析方法はサンプル スムーザーの分光情報を作るバックグラウンド ノイズの影響を除去する。同時に、それは高めたり分光情報の一貫性を、強調し分光ピークおよび谷を、増強する分光特徴を促進する。
最新の会社ニュース Hyperspectralイメージ投射に基づくクルミの穀粒の質の検出  2
分光情報およびイメージの特徴に基づくクルミの穀粒の出現の等級の分類。図6は可視ライトおよび短波のnear-infrared地域(382~1027nm)で3つの色のクルミの穀粒のサンプルの平均分光カーブを示す。スペクトルの前部および背部区分の騒音に大きい影響があるので、前部および背部区分の20のwavebandポイントは取除かれる。図6から、それは元のスペクトルで、3つの色のクルミの穀粒のサンプルの分光反射率がライトからの深いへの色の変更として可視ライトの範囲の重要な下落傾向を示し、スペクトルがnear-infrared範囲で比較的不調であること見ることができる。MSCおよびSNV方法の組合せによって調査分析される分光情報はそれに続く分光処理のために有用である分光反射率である特定の秩序および一貫性を示す。
最新の会社ニュース Hyperspectralイメージ投射に基づくクルミの穀粒の質の検出  3
最新の会社ニュース Hyperspectralイメージ投射に基づくクルミの穀粒の質の検出  4
hyperspectral画像技術を使用して、クルミの穀粒の内部および外的な質を検出するための方法は調査された。分光結合およびイメージ情報によって、完全性および色に基づいてクルミの穀粒および出現の質等級分けの蛋白質そして脂肪分の予言は達成された。結果は車のアルゴリズムおよび相関係数方法の組合せが効果的に完全な分光バンドの関係がなく、冗長情報を取除くことを示す。完全な分光バンドと比較されて、確認は0.66から0.91、RMSEPまで蛋白質内容の²のための特徴バンド予言モデルのRを減らした1.37%から0.78%をから置いた;0.83から0.93、RMSEPまで脂肪分の²のための確認セットRは0.98%から0.47%をから、指定特徴バンドが効果的にモデルの複雑さを減らし、予言する能力を改善したことを示す減らし。イメージの統計的な特徴パラメータと色の相違の特徴スペクトルを結合することによって、総色の相違の特徴の帯スペクトルはかなり冗長情報の干渉を減らし、効率を模倣することを改善できるhyperspectralイメージから得られた。イメージの統計的な特徴パラメータと総色の相違の特徴の帯スペクトルを結合することによって、分類の正確さは更にRGBバンドと比較されて改善される。DTのアルゴリズムによって確立される色の分類モデルを使用するときモデルに最も高い分類の正確さ(98.6%)がある。hyperspectralイメージの使用は同時に内部質変数(蛋白質内容、脂肪分)の検出およびクルミの穀粒の出現の質(完全性、色提供する)の分類を、クルミの穀粒の質の非破壊的なテストの適用に新しい解決を達成した。

 

 

イベント
接触
接触: Mrs. CHNSpec
ファクシミリ: 86--13732210605
今接触
私達を郵送しなさい