In dieser Studie können eine 400-1000-nm-Hyperspektralkamera und die Produkte von Hangzhou Color Spectrum Technology Co., LTD. verwendet werden
FS13 führt entsprechende Forschung durch.Der Spektralbereich beträgt 400–1000 nm und die Wellenlängenauflösung ist besser als 2,5 nm, bis zu 1200
Zwei Spektralkanäle.Erfassungsgeschwindigkeit bis zu 128 FPS im gesamten Spektrum, bis zu 3300 Hz nach Bandauswahl (Mehrzonenunterstützung).
Auswahl des Domänenbandes).
Mit der Förderung der Kartoffel-Grundnahrungsmittelstrategie in China hat sich die Kartoffel-Industriekette rasch entwickelt, und die Kartoffelqualität ist zu einem heißen Thema geworden.Allerdings beeinträchtigen Mängel wie grüne Schalen und mechanische Beschädigungen die Gesamtmenge der Kartoffeln erheblich, insbesondere die komplexe Form von Kartoffeln mit grüner Schale. Mängel sind nicht leicht zu erkennen und erschweren die Erkennung.Wenn gleichzeitig der Solaningehalt in grünen Kartoffeln den essbaren Standard überschreitet, führt dies zu einer Lebensmittelvergiftung und verursacht Probleme bei der Lebensmittelsicherheit.Daher ist es von großer Bedeutung, eine schnelle und zerstörungsfreie Erkennungsmethode für die Tiefverarbeitung von Kartoffeln und die Erweiterung der Kartoffelindustriekette zu untersuchen.
Die hyperspektrale Bildgebungstechnologie bietet die Vorteile eines breiten Bandbereichs und kann gleichzeitig Bild- und Spektralinformationen im entsprechenden Bandbereich der getesteten Probe erhalten. Daher wird sie häufig bei der schnellen zerstörungsfreien Prüfung landwirtschaftlicher Produkte eingesetzt.Um das Problem zu lösen, dass die Kartoffel mit hellgrüner Schale in beliebiger Position nicht leicht zu erkennen ist, wurden die hyperspektralen Halbtransmissions- und Reflexionsbildgebungstechniken zum Vergleich und zur Analyse verwendet und die Modellerkennungsgenauigkeit unter verschiedenen hyperspektralen Bildgebungsmethoden bestimmt .Die halbdurchlässigen hyperspektralen und reflektierten hyperspektralen Bilder von Kartoffelproben wurden an jeder Position gesammelt, Erkennungsmodelle basierend auf Bildinformationen bzw. Spektralinformationen erstellt und die Erkennungsraten verschiedener Modelle verglichen.Erstellen Sie weiter Bild- und Spektrumfusionsmodelle oder verschiedene Bildgebungsfusionsmodelle, um die Modellleistung zu verbessern und schließlich das optimale Modell zu bestimmen.
(1) Die Genauigkeit von Bildinformationserkennungsmodellen mit verschiedenen hyperspektralen Bildgebungsverfahren wird verglichen.Die Erkennungsrate der isometrischen Kartierung in Kombination mit dem Deep-Believe-Netzwerkmodell basierend auf halbübertragenen Bildinformationen beträgt nur 78,67 %.Die Erkennungsrate der maximalen Varianzerweiterung in Kombination mit dem Deep-Believe-Netzwerkmodell basierend auf reflektierten Bildinformationen beträgt nur 77,33 %.Die Ergebnisse zeigten, dass die Genauigkeit der Erkennung hellgrüner Kartoffeln anhand einzelner Bildinformationen nicht hoch war.
(2) Die Genauigkeit von Spektralinformationserkennungsmodellen mit verschiedenen hyperspektralen Bildgebungsverfahren wird verglichen.Die Erkennungsrate der lokalen Tangentenraumanordnung in Kombination mit dem Deep-Glauben-Netzwerkmodell basierend auf Halbtransmissionsspektruminformationen beträgt die höchsten 93,33 %.Die Erkennungsrate der lokalen tangentialen räumlichen Anordnung in Kombination mit dem Deep-Believe-Netzwerkmodell basierend auf spektralen Reflexionsinformationen beträgt bis zu 90,67 %.Die Ergebnisse zeigen, dass es möglich ist, einzelne Spektralinformationen zur Erkennung hellgrüner Kartoffeln zu verwenden, die Erkennungsrate muss jedoch noch weiter verbessert werden.
(3) Der Einfluss von drei Multi-Source-Informationsfusionsmethoden auf die Erkennungsgenauigkeit wird verglichen.Die Genauigkeit der drei Fusionsmodelle von Halbtransmissionsbild und Halbtransmissionsspektrum, Reflexionsbild und Reflexionsspektrum, Halbtransmissionsspektrum und Reflexionsspektrum ist höher als die des Einzelbild- oder Spektralmodells und des Deep-Believe-Netzwerkfusionsmodells von Das halbdurchlässige Spektrum und das Reflexionsspektrum sind am besten, und die Erkennungsrate von Korrektursatz und Testsatz beträgt 100 %.Die Ergebnisse zeigen, dass das Fusionsmodell aus Halbtransmissionsspektrum und Reflexionsspektrum die zerstörungsfreie Prüfung von Kartoffeln mit hellgrüner Schale realisieren kann.