Bu çalışmada 400-1000nm hiperspektral kamera kullanılabilmektedir ve Hangzhou Color Spectrum Technology Co., LTD ürünleri kullanılmaktadır.
FS13 ilgili araştırmaları yürütür.Spektral aralık 400-1000 nm'dir ve dalga boyu çözünürlüğü 2,5 nm'den 1200'e kadar daha iyidir
İki spektral kanal.Tam spektrumda 128FPS'ye kadar, bant seçiminden sonra 3300Hz'e kadar çekim hızı (çok bölgeli destek)
Etki alanı bandı seçimi).
Çin'de temel patates tahıl stratejisinin teşvik edilmesiyle birlikte, patatesle ilgili sanayi zinciri hızla gelişti ve patatesin kalitesi önemli bir konu haline geldi.Bununla birlikte, yeşil kabuk ve mekanik hasar gibi kusurlar, patateslerin genel miktarını, özellikle de yeşil kabuklu patateslerin karmaşık şeklini ciddi şekilde etkiler; kusurların tanımlanması kolay değildir ve tespit edilmesi zorlaşır.Aynı zamanda yeşil patatesteki solanin içeriğinin yenilebilir standardı aşması halinde gıda zehirlenmelerine yol açacak ve gıda güvenliği sorunlarına yol açacaktır.Bu nedenle, patatesin derin işlenmesi ve patates sanayi zincirinin genişletilmesi için hızlı ve tahribatsız bir tespit yönteminin araştırılması büyük önem taşımaktadır.
Hiperspektral görüntüleme teknolojisi geniş bant aralığı avantajlarına sahiptir ve test edilen numunenin karşılık gelen bant aralığındaki görüntü ve spektral bilgiyi aynı anda elde edebilir, bu nedenle tarım ürünlerinin hızlı tahribatsız muayenesinde yaygın olarak kullanılmaktadır.Açık yeşil kabuklu patatesin keyfi konum altında tanınmasının kolay olmaması sorununu çözmek amacıyla, yarı geçirgen ve yansıma hiperspektral görüntüleme teknikleri kullanılarak karşılaştırma ve analiz yapılmış ve farklı hiperspektral görüntüleme yöntemleri altında model tanıma doğruluğu belirlenmiştir. .Patates örneklerinin yarı iletilen hiperspektral ve yansıyan hiperspektral görüntüleri herhangi bir pozisyonda toplanarak sırasıyla görüntü bilgisine ve spektral bilgiye dayalı tespit modelleri kurularak farklı modellerin tanınma oranları karşılaştırıldı.Model performansını artırmak için ayrıca görüntü ve spektrum füzyon modelleri veya farklı görüntüleme füzyon modelleri oluşturun ve son olarak en uygun modeli belirleyin.
(1) Farklı hiperspektral görüntüleme yöntemleriyle görüntü bilgisi tanıma modellerinin doğruluğu karşılaştırılır.Yarı iletilen görüntü bilgisine dayalı derin inanç ağı modeliyle birleştirilmiş izometrik haritalamanın tanınma oranı yalnızca %78,67'dir.Yansıyan görüntü bilgisine dayalı derin inanç ağı modeliyle birleştirilmiş maksimum varyans genişlemesinin tanınma oranı yalnızca %77,33'tür.Sonuçlar, açık yeşil patatesin tek görüntü bilgisiyle tespitinin doğruluğunun yüksek olmadığını gösterdi.
(2) Farklı hiperspektral görüntüleme yöntemleriyle spektral bilgi tanıma modellerinin doğruluğu karşılaştırılır.Yarı iletim spektrum bilgisine dayalı derin inanç ağı modeliyle birleştirilmiş yerel teğet uzay düzenlemesinin tanınma oranı en yüksek %93,33'tür.Yansıma spektral bilgisine dayalı derin inanç ağı modeliyle birleştirilmiş yerel teğet mekansal düzenlemenin tanınma oranı %90,67'ye kadar çıkmaktadır.Sonuçlar, açık yeşil patatesleri tespit etmek için tek spektral bilginin kullanılmasının mümkün olduğunu ancak tanıma oranının daha da geliştirilmesi gerektiğini göstermektedir.
(3) Üç çok kaynaklı bilgi birleştirme yönteminin tanıma doğruluğu üzerindeki etkisi karşılaştırılır.Yarı iletilen görüntü ve yarı iletilen spektrum, yansıyan görüntü ve yansıma spektrumu, yarı iletilen spektrum ve yansıma spektrumundan oluşan üç füzyon modelinin doğruluğu, tek görüntü veya spektral modelden ve derin inanç ağı füzyon modelinden daha yüksektir. yarı iletilen spektrum ve yansıma spektrumu en iyisidir ve düzeltme seti ile test setinin tanınma oranı %100'dür.Sonuçlar, yarı iletim spektrumu ve yansıma spektrumunun füzyon modelinin açık yeşil kabuklu patatesin tahribatsız muayenesini gerçekleştirebileceğini göstermektedir.
