В этом исследовании можно использовать гиперспектральную камеру 400–1000 нм и продукцию Hangzhou Color Spectrum Technology Co., LTD.
FS13 проводит соответствующие исследования.Спектральный диапазон составляет 400-1000 нм, а разрешение по длине волны лучше 2,5 нм, до 1200.
Два спектральных канала.Скорость съемки до 128 кадров в секунду во всем спектре, до 3300 Гц после выбора диапазона (поддержка нескольких зон)
Выбор диапазона доменов).
Благодаря продвижению стратегии производства основного зерна картофеля в Китае, отраслевая цепочка, связанная с картофелем, быстро развивалась, и качество картофеля стало горячей проблемой.Однако такие дефекты, как зеленая кожица и механические повреждения, серьезно влияют на общее количество картофеля, особенно сложная форма картофеля с зеленой кожурой, дефекты нелегко выявить, что затрудняет их обнаружение.В то же время, если содержание соланина в зеленом картофеле превысит съедобную норму, это приведет к пищевому отравлению и вызовет проблемы с безопасностью пищевых продуктов.Поэтому очень важно изучить быстрый и неразрушающий метод обнаружения при глубокой переработке картофеля и расширении цепочки производства картофеля.
Технология гиперспектральной визуализации обладает преимуществами широкого диапазона частот и позволяет одновременно получать изображение и спектральную информацию в соответствующем диапазоне полос испытуемого образца, поэтому она широко используется при быстром неразрушающем контроле сельскохозяйственной продукции.Чтобы решить проблему, заключающуюся в том, что картофель со светло-зеленой кожицей нелегко распознать в произвольном положении, для сравнения и анализа использовались методы полупропускной и отражательной гиперспектральной визуализации, а также была определена точность распознавания модели при различных методах гиперспектральной визуализации. .Полупропускаемые гиперспектральные и отраженные гиперспектральные изображения образцов картофеля были собраны в любом положении, и были установлены модели обнаружения на основе информации об изображении и спектральной информации соответственно, и сравнивались скорости распознавания различных моделей.Далее создавайте модели объединения изображений и спектра или различные модели объединения изображений, чтобы улучшить производительность модели и, наконец, определить оптимальную модель.
(1) Сравнивается точность моделей распознавания изображений с использованием различных методов гиперспектральной визуализации.Уровень распознавания изометрического картирования в сочетании с моделью сети глубоких убеждений, основанной на полупередаваемой информации изображения, составляет всего 78,67%.Уровень распознавания максимального расширения дисперсии в сочетании с моделью сети глубоких убеждений, основанной на информации отраженного изображения, составляет всего 77,33%.Результаты показали, что точность обнаружения светло-зеленого картофеля по информации одного изображения не была высокой.
(2) Сравнивается точность моделей распознавания спектральной информации различными методами гиперспектральной визуализации.Уровень распознавания локального расположения касательного пространства в сочетании с моделью сети глубокого доверия, основанной на информации о спектре полупередачи, составляет самые высокие 93,33%.Скорость распознавания локального касательного пространственного расположения в сочетании с моделью сети глубокого доверия, основанной на спектральной информации об отражательной способности, составляет до 90,67%.Результаты показывают, что можно использовать одну спектральную информацию для обнаружения светло-зеленого картофеля, но скорость распознавания необходимо дополнительно улучшить.
(3) Сравнивается влияние трех методов объединения информации из нескольких источников на точность распознавания.Точность трех моделей слияния полупрошедшего изображения и полупрошедшего спектра, отраженного изображения и спектра отражения, полупрошедшего спектра и спектра отражения выше, чем у одиночного изображения или спектральной модели, а также модели слияния сети глубокого доверия полупропускной спектр и спектр отражения являются лучшими, а степень распознавания корректирующего набора и тестового набора составляет 100%.Результаты показывают, что объединенная модель спектра полупропускания и спектра отражения может реализовать неразрушающий контроль светло-зеленой кожицы картофеля.