In dieser Studie kann eine hyperspektrale Kamera 400-1000nm benutzt werden, und FS13, ein Produkt von Hangzhou CHNSpec Technology Co., Ltd, Ltd., kann für in Verbindung stehende Forschung verwendet werden. Der Spektralbereich ist 400-1000nm, ist die Wellenlängenentschließung besser als 2.5nm, und bis 1200 Spektralkanäle können erreicht werden. Die Erwerbsgeschwindigkeit kann 128FPS im vollen Spektrum und das Maximum erreichen, nachdem Bandauswahl 3300Hz ist (Stützmultiregionsbandauswahl).
Die Hauptnährstoffe des Mischfutters schließen Wasser, Asche, Rohprotein, Kalzium, Gesamtphosphor und so weiter mit ein. Die Entdeckung der Hauptnährstoffe der Zufuhr ist eine unentbehrliche technische Verbindung im Produktionsverfahren und wichtige Durchschnitte, die Qualität von Zufuhrprodukten sicherzustellen. Die Entdeckung und die Berechnungsmethode der Zufuhr ist die Basis seiner Qualitätskontrolle. Zur Zeit wird die traditionelle chemische Berechnungsmethode im Allgemeinen angewendet, um die Hauptnährstoffe des Mischfutters zu bestimmen. Die traditionelle Bestimmungsmethode ist häufig zeitraubend und, mit dem Ergebnis der Verzögerung arbeitsintensiv, während die Bestimmungskosten hoch sind, und einige sogar müssen die Probe selbst zerstören, die auch höhere Anforderungen für Betreiber und Labors hat. Zu eine Methode für schnelle Entdeckung der Hauptnährstoffe des Mischfutters erforschen, umfassend sie am tatsächlichen Test und an der Analyse von Zufuhrunternehmen fördern und anzuwenden, die hohe Sozial- und wirtschaftliche Leistungen für das Verbessern der Aufklärungsrate und die Förderung der Entwicklung des Prüfungsniveaus von Mischfutter hat. Hyperspektrale Bildentdeckung ist ein High-Techer Satz maschinelles Sehen und Spektralentdeckung, enthält der Gebrauch von hyperspektraler Bildtechnologie, die Beispielinformationen einzuholen viele Spektralinformationen des dreidimensionalen Bildblockes, hat er nicht nur eine hohe Spektralentschließung, und die Spektralinformationen, die vom Bild extrahiert werden, können verwendet werden, um die interne Qualität der Probe zu ermitteln. Deshalb wird hyperspektrale Bildentdeckungstechnologie mehr und mehr von den Gelehrten im In- und Ausland bevorzugt, und ist in der Qualitätsentdeckung von Agrarprodukten weitverbreitet gewesen, aber die anwendungsorientierte Entwicklung im Mischfutter wird selten berichtet. In dieser Studie wurde hyperspektrale Bildtechnologie eingesetzt, um das Modell der sichtbare/fast-Infrarotspektralinformationen von experimentellen Proben des Mischfutters und quantitativen Analyse der Hauptnährstoffe im Mischfutter, wie Feuchtigkeit zu erhalten, Asche, Rohprotein, Kalzium und Gesamtphosphor, wurde hergestellt, indem man stöchiometrische Methoden anwendete, und das Modell wurde überprüft und zielte darauf ab, die Möglichkeit des Einsetzens der hyperspektralen Bildgebungstechnologie zu erforschen, um die Hauptnährstoffe im Mischfutter zu ermitteln. Es bietet auch eine neue Idee und eine Basis für die schnelle Entdeckung des Mischfutters.
In dieser Studie wurde hyperspektrale Bildtechnologie eingesetzt, um Modelle der quantitativen Analyse des Rohproteins, der Rohasche, des Wassers, des Gesamtphosphors und des Kalziuminhalts im Mischfutter mittels des anormalen Beispielabbaus herzustellen, der Beispielsatzabteilung, der optimalen Spektralvorbehandlung und charakteristischen der Bandauswahl, mit teilweisem kleinste Quadratstöchiometrie kombiniert. Die Modelle wurden überprüft. Der Rohproteinbeispielsatz, der durch SPXY-Methode und Rohaschebeispielsatz geteilt wird durch CG-Methode, kombiniert mit der Kombination von AS, von Flugleitanlage und von SNV, das Modell der quantitativen Analyse hergestellt wird im charakteristischen Band geteilt wird, hat den besten Effekt. Die Korrektur stellte Bestimmungskoeffizienten R& des optimalen Rohproteinmodells ist 0,8373 ein, ist der Fehler der mittleren Abweichung RMSEC 2,1327%, ist der relative Analysefehler RPDc 2,4851, stellte die Bestätigung RV ist 0,7778 ein, ist RMSEP 2,6155%, und RPDv ist 2,1143. Die optimale Rohasche R&, RMSEC 1,0107%, RPDc 2,2064, RV 0,7758, RMSEP 1,0611% und RPDv 2,1204 wurden erhalten. Die Modelle der quantitativen Analyse des Rohproteins und der Rohasche beide zeigen gute vorbestimmte Leistung und können für praktische quantitative Analyse verwendet werden. Der Wasserprobesatz, der durch CG-Methode kombiniert wird mit Vorbehandlung von AS, von OSZILLATOR und von Detrend geteilt wird, hat den besten Effekt im charakteristischen Band. Sein Korrektursatz RE ist 0,6470, RMSEC ist 1,8221%, RPD ist 1,6849, Bestätigungssatz Relais ist 0,6314, RMSEP ist 1,6003%. RPDv ist 1,9371, obgleich das Modell in der praktischen quantitativen Analyse benutzt werden kann, seine Vorhersagengenauigkeit muss noch weiteres sein optimiert. Die Ergebnisse des Modells der quantitativen Analyse, das vom Gesamtphosphorbeispielsatz geteilt wurde durch CG-Methode kombiniert wurde mit den Vorbehandlungsmethoden von AS, von Flugleitanlage und von SNV erhalten wurde, waren optimal. Das Verhältnis von RS, von RMSEC und von RPD des optimalen Modells war 0,6038, 0,1656% und 1,5700, beziehungsweise. Bestätigungssätze R9, RMSEP und RPD/sind 0,4672, 0,1916% und 1,3570, beziehungsweise. Die Leistungsparameter des Korrekturmodells und des Bestätigungsmodells sind arm und anzeigen, dass das Modell schlechte vorbestimmte Fähigkeit hat und nicht in der tatsächlichen quantitativen Analyse verwendet werden kann. Nach Vorbehandlung des Kalziumbeispielsatzes, der durch CG-Methode geteilt wird und mit AS, OSZILLATOR und Detrend-Methode kombiniert ist, hat das Modell der quantitativen Analyse, das in seinem charakteristischen Band hergestellt wird, den besten Effekt, ist RB des optimalen Modells 0,4784, und Überprüfungssatz R≈ ist nur 0,4406. Der Vorhersageneffekt des Modells ist schlecht, und er kann nicht in der praktischen Analyse angewendet werden. Die Vorhersagengenauigkeit des optimalen Modells der quantitativen Analyse des Rohproteins, das auf hyperspektraler Bildtechnologie basiert, ist das Beste, und die Vorhersagenleistung des Rohaschemodells ist die zweite, und beide können in der praktischen Entdeckung genau verwendet werden. Die Vorhersagengenauigkeit des optimalen Modells der quantitativen Analyse des Wassers sollte verbessert werden. Jedoch hat das optimale Modell der quantitativen Analyse des Gesamtphosphors und des Kalziums schlechte vorbestimmte Leistung und kann nicht für praktische Entdeckung verwendet werden.