CHNSpec Technology （Zhejiang）Co.,Ltd Şirket Haberleri

Bu çalışmada 400-1000nm hiperspektral kamera uygulanmış ve ilgili araştırma için Hangzhou Color Spectrum Technology Co., LTD. firmasının bir ürünü olan FS13 kullanılmıştır.Spektral aralık 400-1000nm, dalga boyu çözünürlüğü 2.5nm'den daha iyi ve 1200'e kadar spektral kanala ulaşılabilir.Toplama hızı tam spektrumda 128FPS'ye ulaşabilir ve bant seçiminden sonraki maksimum hız 3300Hz'dir (çok bölgeli bant seçimini destekler). Yaban mersini olarak da bilinen yaban mersini, koyu mavi meyveler, yaban mersini olarak da bilinen meyveler, Çin'de ortaya çıkan küçük meyvelerden biridir.Eşsiz sağlık ve besin değeri nedeniyle insan vücudunun ihtiyaç duyduğu birçok besine sahiptir, mükemmel işleme özellikleri vb. yaban mersinin kalitesini değerlendirmek için de önemli göstergelerden biridir.Geleneksel test yöntemi genellikle yaban mersininin şeker içeriğini ve sertliğini tespit etmek için ölçüm cihazı kullanır.Tek tespit indeksi, uzun zaman alıcı ve yıkıcı olduğundan, bu tespit yöntemleri zordur. meyvenin şeker içeriğinin ve sertliğinin endüstriyel olarak saptanmasında uygulanacaktır.Bu nedenle, iç kaliteye dayalı olarak yabanmersinin şeker içeriğinin ve sertliğinin saptanması için tahribatsız ve verimli bir yöntemin geliştirilmesi büyük önem taşımaktadır.   Meyve şekeri içeriği ve sertlik tespiti üzerine yapılan yerli ve yabancı araştırmalar boyunca, karakteristik dalga boyu seçim yönteminin kullanımının hiperspektral görüntü verilerinin boyutunu etkili bir şekilde azaltabildiği, spektral verilerin fazlalığını azaltabildiği, kalibrasyon performansını ve algılama verimliliğini artırabildiği görülebilir. model ve iyi tahmin sonuçları elde edin.Bu karakteristik dalga boyu seçim yöntemlerinin çevrimiçi meyve tespitini gerçekleştirmek için faydalı olabileceğini göstermektedir.Bununla birlikte, bu çalışmalar esas olarak tek göstergelerin tespitine yöneliktir ve meyvenin çoklu göstergelerini tespit etmek için çoklu modellerin kurulması gerekir, bu da veri işlemenin karmaşıklığını artırır.Bu nedenle, zamandan tasarruf etmek ve çevrimiçi algılamanın etkinliğini artırmak için çoklu dizin algılama için bir model oluşturmak gereklidir.Bu çalışmada, hiperspektral görüntülerde yaban mersininin hem şeker içeriğini hem de sertliğini tespit etmek için çok aşamalı bir öznitelik dalga boyu seçim yöntemi önermek için hiperspektral görüntüleme teknolojisi kullanılmıştır.Yaban mersininin hem şeker içeriğini hem de sertliğini yansıtabilecek özellik dalga boylarını seçmek için sürekli projeksiyon algoritması veya adım adım çoklu doğrusal regresyon gibi özellik dalga boyu seçim yöntemleri arka arkaya kullanılmış ve tespit modeli olarak BP sinir ağı modeli kullanılmıştır.Yaban mersininin iç kalitesinin hızlı ve tahribatsız testini gerçekleştirmek ve yaban mersininin çevrimiçi kalite testinin oluşturulması için teorik bir temel sağlamak amacıyla yaban mersininin şeker içeriği ve sertliği tahmin edilmiştir.

Bu çalışmada 400-1000nm hiperspektral kamera kullanılmış ve Hangzhou Color Spectrum Technology Co., LTD ürünleri kullanılmıştır.Bu çalışmada 400-1000nm hiperspektral kamera kullanılmış ve Hangzhou Color Spectrum Technology Co., LTD ürünleri kullanılmıştır.FS13 ilgili araştırmaları yürütür.Spektral aralık 400-1000nm'dir ve dalga boyu çözünürlüğü 2.5nm'den daha iyidir, 1200'e kadarİki spektral kanal.Tam spektrumda 128FPS'ye kadar yakalama hızı, bant seçiminden sonra 3300Hz'e kadar (çok bölgeli destek)Alan bandı seçimi).FS13 ilgili araştırmaları yürütür.Spektral aralık 400-1000nm'dir ve dalga boyu çözünürlüğü 2.5nm'den daha iyidir, 1200'e kadarİki spektral kanal.Tam spektrumda 128FPS'ye kadar yakalama hızı, bant seçiminden sonra 3300Hz'e kadar (çok bölgeli destek)Alan bandı seçimi). İpekböceği (Bombyx mori Linnaeus) dut yiyen ve ipek eğiren ekonomik bir böcek olduğundan ipekböceği olarak da adlandırılır.İpekböcekleri eski Çin'de ortaya çıktı ve yavaş yavaş dut ağaçlarında yaşayan orijinal ipekböcekleri tarafından evcilleştirildi.5.000 yıl kadar erken bir tarihte, kadim insanlar dut dikme ve ipekböceği yetiştirme teknolojisinde ustalaşmışlardı.Antik çağlarda ipekböcekçiliği ekonomi ve kültürün gelişmesine büyük katkılar sağlamıştır.Şu anda, dut ipekböceği endüstrisi, kırsal ekonominin gelişimini teşvik etmekte, çiftçilerin yaşam standartlarını iyileştirmekte ve tarımsal üretimde önemli yan sanayilerden biridir.Ayrıca ipekböcekçiliği sektörü uluslararası pazarda lider konumda olup dünya ticaretinde önemli rol oynamakta ve ülkemize önemli miktarda döviz rezervi yaratmaktadır.Bu nedenle dut ipekböceği endüstrisinin sürdürülebilir gelişimi son derece önemli ekonomik değere ve öneme sahiptir. Geleneksel kimyasal algılama teknolojisinin test edilen numuneleri ön işleme tabi tutması gerekir, işlem süreci karmaşıktır ve çok sayıda kimyasal reaktif tüketilir.Enzimatik hızlı tespit teknolojisinin doğruluğu düşüktür, bu nedenle yalnızca birincil tarama için kullanılabilir.Spektral tahribatsız muayene teknolojisi, tek taraflı bilgiler nedeniyle temsili değildir.Bu nedenle, dut yapraklarının hızlı, güvenilir ve kapsamlı bir tahribatsız muayenesi aranır.   Pestisit kalıntısı yöntemi, ürün güvenliği tespitinde büyük önem taşımaktadır.Hiperspektral görüntüleme teknolojisi, ölçülen nesneyi yok etmeye gerek olmaması, kapsamlı bilgi toplama ve yüksek algılama doğruluğu avantajlarına sahip, görüntüleme teknolojisi ile spektrum teknolojisini birleştiren yeni bir tahribatsız test teknolojisidir.Bu yazıda, spektral işleme ve analiz yöntemleriyle birleştirilmiş hiperspektral görüntüleme teknolojisi, sadece dut yapraklarında pestisit kalıntısı olup olmadığını ve pestisit kalıntılarının tanımlanmasını incelemek için değil, aynı zamanda kantitatif olarak incelemek için dut yapraklarındaki pestisit kalıntılarını incelemek için kullanıldı. dut yapraklarında klorpirifos pestisit kalıntılarının tespiti.Bu makalenin araştırma içeriği, ipekböcekçiliği endüstrisi için teknik destek ve ipekböcekçiliği çiftçilerinin geliri için güçlü bir garanti sağlamakta ve son derece önemli teorik değere ve pratik öneme sahip olan ipekböcekçiliği endüstrisinin sürdürülebilir ve derinlemesine gelişimini desteklemektedir. Bu yazıda, dut yapraklarındaki klorpirifos içeriğini kantitatif olarak tespit etmek için spektral işleme ve analiz yöntemleriyle birleştirilmiş hiperspektral görüntüleme teknolojisi kullanılmıştır.Hiperspektral görüntüleyici ile 390-1050nm aralığında dut yapraklarının hiperspektral görüntülerini elde etmek için farklı klorpirifos kalıntılarına sahip dut yaprakları test nesneleri olarak kullanıldı.Bıçağın ilgi bölgesini belirlemek ve bölgenin ortalama spektral verilerini hesaplamak için ENVI yazılımı kullanılmaktadır.Dut yaprağı örneklerinin ortalama spektral verileri ile bunlara karşılık gelen gaz kromatografisi ile belirlenen kimyasal değerler arasındaki korelasyon katsayıları hesaplanmış ve korelasyon katsayısı ve dalga boyunun dalga formu diyagramına göre 5 dalga seçilmiştir.   Zirvelere ve diplere karşılık gelen dalga boyları, karakteristik dalga boyları olarak kullanılır (561.25, 680.86, 706.58, 714.32, 724.66nm).Karakteristik dalga boyundaki spektral verilere dayanarak, çoklu doğrusal regresyon ve destek vektörü regresyonu kullanılarak dut yaprağı kalıntılarının kantitatif bir tespit modeli oluşturulmuştur.MLR tahmin modelinin düzeltme seti belirleme katsayısı R² 0,730, kök ortalama kare hatası RMSEC 38,599'dur ve tahmin seti belirleme katsayısı R elde edilir.0,637'dir ve kök ortalama kare hatası RMSEP 47,146'dır.Düzeltme seti belirleme katsayısı R3 0,920, ortalama karekök hatası RMSEC 21,073, tahmin seti belirleme katsayısı R3 0,874 ve ortalama karekök hatası RMSEP 27,719'dur.Karşılaştırmalı analiz yoluyla: SVR tahmin modeli, MLR tahmin modelinden daha iyi performansa sahiptir, bu nedenle, SVR tahmin modeliyle birlikte görüşe yakın kızılötesi hiperspektral görüntüleme teknolojisi, dut yapraklarındaki klorpirifos kalıntılarının tahribatsız tespiti için kullanılabilir.

Bu çalışmada 400-1000nm hiperspektral kamera kullanılabilir ve FS13 ürünüdür.Hangzhou CHNSpec Technology Co., Ltd, LTD., ilgili araştırmalar için kullanılabilir.Spektral aralık 400-1000nm, dalga boyu çözünürlüğü 2.5nm'den daha iyi ve 1200'e kadar spektral kanala ulaşılabilir.Toplama hızı tam spektrumda 128FPS'ye ulaşabilir ve bant seçiminden sonraki maksimum hız 3300Hz'dir (çok bölgeli bant seçimini destekler). Karma yemin ana besinleri arasında su, kül, ham protein, kalsiyum, toplam fosfor vb.Yemin ana besin maddelerinin tespiti, üretim sürecinde vazgeçilmez bir teknik bağlantıdır ve yem ürünlerinin kalitesini sağlamak için önemli bir araçtır.Yemin tespit ve analiz yöntemi, kalite kontrolünün temelidir.Şu anda, karma yemin ana besin maddelerini belirlemek için genellikle geleneksel kimyasal analiz yöntemi kullanılmaktadır.Geleneksel belirleme yöntemi genellikle zaman alıcı ve yoğun emek gerektirir, bu da zaman gecikmesine neden olurken belirleme maliyeti yüksektir ve hatta bazılarının numuneyi kendisinin yok etmesi gerekir ki bu da operatörler ve laboratuvarlar için daha yüksek gereksinimlere sahiptir.Karma yemin ana besin maddelerinin hızlı bir şekilde tespit edilmesine yönelik bir yöntemi keşfetmek için, tespit oranını iyileştirmek ve karma yemin test seviyesinin gelişimini desteklemek için yüksek sosyal ve ekonomik faydaları olan bu yöntemi kapsamlı bir şekilde teşvik edin ve yem işletmelerinin gerçek test ve analizine uygulayın.Hiperspektral görüntü algılama, yüksek teknoloji ürünü bir bilgisayar görüşü ve spektral algılama setidir, örnek bilgileri elde etmek için hiperspektral görüntü teknolojisinin kullanılması, üç boyutlu görüntü bloğunun çok sayıda spektral bilgisini içerir, yalnızca yüksek bir spektral çözünürlüğe sahip değildir ve görüntüden çıkarılan spektral bilgi, örneğin iç kalitesini tespit etmek için kullanılabilir.Bu nedenle, hiperspektral görüntü algılama teknolojisi yurtiçinde ve yurtdışında bilim adamları tarafından giderek daha fazla tercih edilmekte ve tarım ürünlerinin kalite tespitinde yaygın olarak kullanılmaktadır, ancak karma yemdeki uygulama araştırmaları nadiren rapor edilmektedir.Bu çalışmada, karma yem deneysel numunelerinin görünür/kızılötesine yakın spektral bilgilerinin elde edilmesi için hiperspektral görüntü teknolojisi kullanılmış ve karma yemdeki nem, kül, ham protein, kalsiyum ve toplam fosfor gibi ana besin maddelerinin kantitatif analiz modeli stokiyometrik yöntemlerle oluşturulmuş ve model doğrulanarak, karma yemdeki ana besin maddelerinin hiperspektral görüntüleme teknolojisi kullanılarak tespit edilmesinin uygulanabilirliğinin araştırılması amaçlanmıştır.Ayrıca, karma yemin hızlı tespiti için yeni bir fikir ve temel sağlar. Bu çalışmada, anormal numune çıkarma, numune seti bölümü, optimal spektral ön işlem ve karakteristik bant seçimi yoluyla, karma yemdeki ham protein, ham kül, su, toplam fosfor ve kalsiyum içeriğinin kantitatif analiz modellerini kısmi en küçük kareler stokiyometrisi ile birleştirmek için hiperspektral görüntü teknolojisi kullanıldı.Modeller doğrulandı.SPXY yöntemiyle bölünen ham protein numune seti ve CG yöntemiyle bölünen ham kül numune seti, AS, FD ve SNV kombinasyonu ile birleştiğinde, karakteristik bantta kurulan kantitatif analiz modeli en iyi etkiye sahiptir.Optimal ham protein modelinin düzeltme seti belirleme katsayısı R& 0,8373'tür, kök ortalama kare hatası RMSEC %2,1327'dir, bağıl analiz hatası RPDc 2,4851'dir, doğrulama seti RV 0,7778'dir, RMSEP %2,6155'tir ve RPDv 2,1143'tür.Optimum ham kül R&, RMSEC %1.0107, RPDc 2.2064, RV 0.7758, RMSEP %1.0611 ve RPDv 2.1204 elde edildi.Ham protein ve ham külün kantitatif analiz modellerinin her ikisi de iyi tahmin performansı gösterir ve pratik kantitatif analiz için kullanılabilir.AS, OSC ve Detrend'in ön arıtımı ile birlikte CG yöntemiyle bölünmüş su numunesi seti, karakteristik bantta en iyi etkiye sahiptir.Düzeltme seti RE 0,6470, RMSEC %1,8221, RPD 1,6849, doğrulama seti Ry 0,6314, RMSEP %1,6003'tür.RPDv 1,9371'dir, ancak model pratik kantitatif analizde kullanılabilir, ancak tahmin doğruluğunun daha da optimize edilmesi gerekir.AS, FD ve SNV ön arıtma yöntemleri ile birleştirilmiş CG yöntemi ile bölünen toplam fosfor numune setinden elde edilen kantitatif analiz modelinin sonuçları optimaldi.Optimal modelin RS, RMSEC ve RPD oranı sırasıyla 0,6038, %0,1656 ve 1,5700 idi.Doğrulama setleri R9, RMSEP ve RPD/ sırasıyla 0,4672, %0,1916 ve 1,3570'tir.Hem düzeltme modelinin hem de doğrulama modelinin performans parametrelerinin zayıf olması, modelin tahmin etme yeteneğinin zayıf olduğunu ve gerçek kantitatif analizde kullanılamayacağını gösterir.CG yöntemiyle bölünen ve AS, OSC ve Detrend yöntemiyle birleştirilen kalsiyum numune setinin ön işleminden sonra, karakteristik bandında kurulan kantitatif analiz modeli en iyi etkiye sahiptir, optimal modelin RB'si 0,4784'tür ve doğrulama seti R≈ sadece 0,4406'dır.Modelin tahmin etkisi zayıftır ve pratik analizde uygulanamaz.Hiperspektral görüntü teknolojisine dayalı ham protein optimal kantitatif analiz modelinin tahmin doğruluğu en iyisidir ve ham kül modelinin tahmin performansı ikinci sıradadır ve her ikisi de pratik tespitte doğru bir şekilde kullanılabilir.Su optimal kantitatif analiz modelinin tahmin doğruluğu iyileştirilmelidir.Bununla birlikte, toplam fosfor ve kalsiyumun optimal kantitatif analiz modeli, zayıf tahmin performansına sahiptir ve pratik tespit için kullanılamaz.

Bu çalışmada 400-1000nm hiperspektral kamera uygulanmış ve bir ürünü olan FS13 kullanılmıştır.Hangzhou CHNSpec Technology Co., Ltd, ilgili araştırma için kullanılabilir.Spektral aralık 400-1000nm, dalga boyu çözünürlüğü 2.5nm'den daha iyi ve 1200'e kadar spektral kanala ulaşılabilir.Toplama hızı tam spektrumda 128FPS'ye ulaşabilir ve bant seçiminden sonraki maksimum hız 3300Hz'dir (çok bölgeli bant seçimini destekler). Tıbbi jelatin içi boş sert kapsül, krom içeriğinin ulusal sağlık standardı tarafından şart koşulan önemli bir test indeksi olduğu bir tür özel tıbbi yardımcı maddedir.Aşırı krom içeriğine sahip kapsüller genellikle "toksik kapsüller" olarak bilinir ve insan vücudu için çok toksiktir.Şu anda, krom içeriği geleneksel kimyasal analiz yöntemi ile belirlenmektedir.Geleneksel krom algılama yöntemi zaman alıcıdır, ekipman pahalıdır, büyük miktarda nitrik asit sindiriminin kullanılması ikincil kirliliğe neden olmak kolaydır ve cihazın çalışmasının tamamlanması için profesyonel personel gerekir.Bu nedenle, tıbbi kapsüllerdeki krom içeriğinin hızlı tespiti için uygun ve hızlı bir yöntemin geliştirilmesi, önemli uygulama önemine ve pazar beklentisine sahiptir.   Ağır metallerin hiperspektral tespitinin fizibilitesine dayanarak, bu makale aşırı krom içeriğine sahip normal MEHGC ve MEHGC'nin toplanan sonuçlarını karşılaştırmak için geleneksel atomik absorpsiyon spektrometrisini kullanır, ardından hiperspektral analizle iki tür MehGC verisi toplar ve hiperspektral verileri analiz etmek için temel bileşen analizi (PCA) ve kısmi en küçük kareler yöntemini kullanır ve son olarak ilgili modeli kurar."Zehir kapsüllerinin" kalitatif tespitini gerçekleştirmek.   Hiperspektral veriler çoklu bant görüntülerinden oluştuğu için her görüntü bir öznitelik olarak kabul edilebilir.Hiperspektral veriler boyutsal olarak küçültülürse, görüntü verileri arasındaki farkı en üst düzeye çıkarmak için orijinal veriler yeni bir koordinat sistemine değiştirilecek ve sonuç orijinal görüntüden çok farklı olacaktır.Bu teknik, bilgi içeriğini geliştirmek, gürültüyü izole etmek ve veri boyutlarını azaltmak için çok etkilidir.Hiperspektral görüntülerin PCA boyutluluğunun azaltılmasından sonra elde edilen ilk 4 ana bileşen, Şekil 1'de gösterilmektedir. Hiperspektral görüntülerin avantajı, yalnızca görüntü bilgisinin değil, aynı zamanda spektral bilginin de olmasıdır.Spektral bilgiyi elde etmek için, her numune için ilgili bölge seçilir ve her ilgili bölgenin kendi spektral yanıt eğrisi vardır.Kapsül kapağı ile kapsül gövdesi arasındaki renk farklılığından dolayı, rengin sonuca etkisini ortadan kaldırmak için, her bir kapsül için iki ilgi bölgesi seçildi (biri kapsül kapağında ve biri kapsül gövdesinde).İlgili bölgeler, kapsülün hiperspektral görüntüsü üzerinde rastgele seçilebilir ve her bölgedeki piksel sayısı 2 ila 6 arasında değişir. İlgilenilen bölge için nihai spektral veri, bölgedeki tüm piksellerin ortalaması olarak hesaplanır.4 farklı bölgenin (sırasıyla normal kapsüllerin kapsülleri ve kapakları ve "toksik kapsüller") spektral eğrileri Şekil 2'de gösterilmektedir. 450~900 nm'lik hiperspektral verilerde, normal kapsül ve "toksik kapsül" spektral verileri, önce normalize edilen ilgi bölgesi seçilerek elde edildi ve ardından PLS-DA ile veri boyut küçültme ve diskriminant analizi yapıldı.Giriş özellikleri olarak dört PLS operatörü seçildiğinde, normal kapsül ve "toksik kapsül" tanıma oranı %100'e ulaştı.Spesifiklik ve duyarlılık da %100'dür;PLS-DA ayrım yöntemi ile normal kapsüller ile "toksik kapsüller"in ayırt edilebildiği görülmektedir."Zehir kapsüllerini" algılamak için hiperspektral görüntü teknolojisinin kullanılması, geleneksel yöntemlerin karmaşıklığını büyük ölçüde azaltabilir.   Ek olarak, güvenirliği artırmak için örnekler floresan veya ultraviyole gibi daha geniş bir spektrumda incelenmelidir."Zehir kapsülü" niteliksel olarak yürütülürken, farklı krom içeriğine sahip jelatin şablonlar yapmayı düşünebilen, şablonun krom içeriği ile spektral veriler arasındaki korelasyon modelini ortaya çıkaran ve bu modeli bilinmeyen "zehir kapsülü" nün ağır metal krom içeriğini tahmin etmek için kullanan nicel araştırmalar yapmak da gereklidir."Zehir kapsülü" olayının müteakip etkisi göz önüne alındığında, numune bulmak zordur, ancak testin etkinliğini artırmak için krom içerikli çeşitli kapsül numunelerinin kullanılması gerekir.

Bu çalışmada 400-1000nm hiperspektral kamera kullanılabilir ve FS13 ürünüdür.Hangzhou CHNSpec Technology Co., Ltd, ilgili araştırma için kullanılabilir.Spektral aralık 400-1000nm'dir ve dalga boyu çözünürlüğü 2.5nm'den daha iyidir, 1200'e kadar İki spektral kanal.Toplama hızı tam spektrumda 128FPS'ye ulaşabilir ve bant seçiminden sonraki maksimum hız 3300Hz'dir (çok bölgeli bant seçimini destekler). Sorghum, Çin'deki önemli gıda mahsullerinden biridir, çünkü şarap endüstrisindeki tahıldaki zengin besinleri nedeniyle, "iyi şarap kırmızı tahıldan ayrılamaz" keskin bir yargıya sahiptir, yıllık talep 20 milyon tona kadar.Şu anda, ana şarap sorgum çeşitleri Luzhou Red, Qinghuyang, Runuo No. 7 ve yüksek nişasta içeriğine sahip diğer yapışkan sorgumdur.Sorgumun birçok çeşidi ve farklı üretim alanları olduğu için tahıldaki nişasta, protein, yağ ve tanen içerikleri çok farklıdır, bu da likörün tadı, tarzı, kalitesi ve veriminde büyük farklılıklara yol açar.Sorgum hammaddelerinin yığın halinde depolanmasından önce sorgum çeşitlerinin doğru ve verimli bir şekilde tanımlanmasının, tanenin köpürme zamanı gibi üretim sürecini kontrol edebilen yüksek kaliteli likör üretimi için çok önemli yol gösterici bir öneme sahip olduğu görülmektedir. demleme işlemi sırasında su tüketimi ve buharda pişirilen tahıl.Geleneksel tanımlama yöntemleri temel olarak manuel ampirik tanımlamayı ve biyolojik örnekleme tespitini içerir.İlki sübjektif etkiye tabidir, düşük verimlidir ve birleşik bir standart oluşturmak zordur, ikincisi ise külfetli, zaman alıcı ve zahmetlidir.Her ikisi de modern likör işletmelerinin sorgum tanımlama ihtiyaçlarını karşılayamaz, bu nedenle hızlı, doğru ve basit bir sorgum çeşidi sınıflandırması ve saptama yöntemi bulmak acildir.Bu çalışmanın amacı, 11 sorgum çeşidini spektral bilgi ve görüntü bilgisini birleştirerek sınıflandırmak ve karşılaştırma ve dış doğrulama yoluyla hiperspektral teknoloji ve makine öğrenmesi yöntemlerini optimize ederek farklı sorgum çeşitlerini tespit ederek uygulamadaki doğruluğunu ve etkinliğini artırmaktır.   11 sorgum kategorisine ait 550 numunenin orijinal spektral eğrileri ve MSC ön işleminden sonraki spektral eğriler Şekil 1'de gösterilmektedir. Her renk farklı bir kategoriyi temsil eder. Bu yazıda, hiperspektral spektrum ve görüntü bilgilerinin kombinasyonuna dayalı olarak 11 sorgum çeşidinin tanımlanması incelenmiştir.Sorgumun hiperspektral görüntüleri toplandı, SPA algoritması ile MSC ön işlemesi yapıldıktan sonra spektrumlardan 48 özellik dalga boyu seçildi ve ardından görüntülerin doku özellikleri çıkarıldı.SVM, PLS-DA ve ELM sınıflandırma modelleri, sırasıyla doku özellikleri, tam spektrum, özellik spektrumu ve bunların birleştirilmiş görüntü bilgilerine dayalı olarak oluşturulmuştur.Son olarak, modellemede yer almayan veriler dış doğrulama için kullanılmıştır.Sonuçlar, özellik spektrumu ve doku özelliklerinin kombinasyonuna dayalı DVM sınıflandırma modelinin en iyi etkiye sahip olduğunu göstermektedir.Test setinin doğru tanıma oranı %95,3, doğrulama setinin doğruluğu ise %91,8'dir.Görünür spektrum ve görüntünün kombinasyonu, şarap sorgumunun hızlı tanınmasını etkili bir şekilde gerçekleştirebilir ve modelin tanıma doğruluğunu geliştirebilir.Bu, farklı biracılık ham maddelerinin tespiti ve biracılık otomasyonunun gerçekleştirilmesi için teorik bir temel sağlar.

Bu çalışmada, cevizin içini tespit etmek için 400-1000nm hiperspektral kamera kullanılmış ve ilgili araştırma için Hangzhou CHNSpec Technology Co., Ltd'nin bir ürünü olan FS-13 kullanılabilir.Ceviz yüzeyini 800-1700nm spektral aralığında algılamak için, 900-1700nm spektral aralığındaki FS-15 hiperspektral kamera, 2.5nm'den daha iyi dalga boyu çözünürlüğü ve 1200'e kadar spektral kanal ile kullanılabilir.Toplama hızı tam spektrumda 128FPS'ye ulaşabilir ve bant seçiminden sonraki maksimum hız 3300Hz'dir (çok bölgeli bant seçimini destekler). Ceviz, her yaş için uygun bir kuruyemiş gıdası ve önemli bir odunsu yağ bitkisidir.Çin'de ceviz ekim alanı ve verimi dünyada birinci sıradadır.Ceviz tanelerinin kalite testi ve sınıflandırılması, ceviz üretimi ve işlenmesinde önemli bir halkadır.İlgili ulusal standartlara göre, iç kalite göstergeleri yağ içeriği ve protein içeriğini içerirken, ceviz tanelerinin görünüm kalitesi göstergeleri bütünlük ve kabuk rengini içerir.Fiili üretimde, ceviz çekirdeği tasnifi, esas olarak, yüksek üretim maliyetleri ve tasnifte yüksek rasgeleliğe sahip olan ve iç kaliteyi ayırt etmeyi zorlaştıran manuel görünüm ve renk seçimine dayanır.Geleneksel kimyasal testler, numuneler için yıkıcıdır ve tespit edilmesi uzun zaman aldığından, modern üretim gereksinimlerine uyum sağlamayı zorlaştırır.Şu anda, ceviz kalitesinin tespiti için hiperspektral teknolojinin kullanımına ilişkin araştırmalar, esas olarak ceviz kabuklarının ve çekirdeklerinin sınıflandırılmasına odaklanmaktadır ve ceviz çekirdeklerinin kalitesiyle ilgili herhangi bir rapor bulunmamaktadır. Ceviz çekirdeğinin iç kalite tespitini ve görünüm sınıflandırmasını aynı anda gerçekleştirmeye yönelik bir yöntemi araştırmak için bu çalışma, ceviz çekirdeğinin yağ içeriği, protein içeriği ve renginin karakteristik spektrumlarını taramak ve ilgili karakteristik bantları taramak için hiperspektral görüntüleme teknolojisini kullandı. Ceviz çekirdeği kalitesinin tahribatsız muayenesinin uygulanmasına referans sağlamak için kalite göstergeleri. Ceviz çekirdeği örneklerinin yakın kızılötesi bölgedeki (863-1704 mm) ortalama spektral bilgileri ve önceden işlenmiş spektral bilgiler Şekil 3'te gösterilmektedir. Örneklerin orijinal spektral bilgilerinin genel özellikleri, Suyun absorpsiyon zirveleri, diğer bileşenlerin absorpsiyon zirveleri belirgin değildir ve spektrumların daha fazla işlenmesi gerekir.MSE ve SNV'yi birleştiren ön işleme yöntemi, bazı arka plan gürültülerinin etkisini ortadan kaldırarak örneğin spektral bilgilerini daha pürüzsüz hale getirir.Aynı zamanda, spektral bilginin tutarlılığını daha da geliştirir, spektral zirveleri ve vadileri vurgular ve spektral özellikleri güçlendirir. Ceviz çekirdeğinin spektral bilgi ve görüntü özelliklerine dayalı görünüm derecesi sınıflandırması.Şekil 6, görünür ışıkta ve kısa dalga yakın kızılötesi bölgelerde (382~1027nm) üç renkli ceviz çekirdeği numunesinin ortalama spektral eğrisini göstermektedir.Spektrumun ön ve arka segmentlerindeki gürültünün etkisi büyük olduğundan, ön ve arka segmentlerdeki 20 dalga bandı noktası kaldırılmıştır.Şekil 6'dan, orijinal spektrumda, üç farklı renge sahip ceviz içi örneklerinin spektral yansımasının, renk ışıktan derine değiştikçe görünür ışık aralığında önemli bir düşüş eğilimi gösterdiği ve spektrumun nispeten düzensiz olduğu görülebilir. yakın kızılötesi aralığında.MSC ve SNV yöntemlerinin kombinasyonu ile ön işleme tabi tutulan spektral bilgi, spektral yansımada belirli bir düzenlilik ve tutarlılık gösterir, bu da sonraki spektral işleme için yardımcı olur. Hiperspektral görüntüleme teknolojisi kullanılarak, ceviz tanelerinin iç ve dış kalitesini tespit etmeye yönelik bir yöntem üzerinde çalışıldı.Spektral ve görüntü bilgileri birleştirilerek, ceviz tanelerinin protein ve yağ içeriği tahmini ve bütünlük ve renge dayalı görünüm kalitesi derecelendirmesi elde edildi.Sonuçlar, CARS algoritması ve korelasyon katsayısı yönteminin kombinasyonunun, tam spektral banttaki alakasız ve gereksiz bilgileri etkili bir şekilde kaldırdığını göstermektedir.Tam spektral bant ile karşılaştırıldığında, protein içeriği için özellik bandı tahmin modelinin doğrulama seti R ² 0,66'dan 0,91'e, RMSEP %1,37'den %0,78'e düştü;Yağ içeriği için doğrulama seti R ² 0,83'ten 0,93'e, RMSEP %0,98'den %0,47'ye düştü, bu da seçilen özellik bantlarının modelin karmaşıklığını etkili bir şekilde azalttığını ve tahmin yeteneğini geliştirdiğini gösteriyor.Renk farkı özellik spektrumları ile görüntü istatistiksel özellik parametreleri birleştirilerek, hiperspektral görüntülerden toplam renk farkı özellik bandı spektrumları çıkarıldı, bu da gereksiz bilgilerin girişimini önemli ölçüde azaltabilir ve modelleme verimliliğini artırabilir.Toplam renk farkı özellik bandı spektrumu ile görüntü istatistiksel özellik parametreleri birleştirilerek, sınıflandırma doğruluğu RGB bandına kıyasla daha da iyileştirilir.DT algoritması tarafından oluşturulan renk sınıflandırma modelini kullanırken, model en yüksek sınıflandırma doğruluğuna (%98,6) sahiptir.Hiperspektral görüntülerin kullanımı, aynı anda ceviz tanelerinin iç kalite parametrelerinin (protein içeriği, yağ içeriği) tespitini ve görünüm kalitesinin (bütünlük, renk) sınıflandırılmasını sağladı ve ceviz çekirdeğinin tahribatsız muayenesinin uygulanması için yeni bir çözüm sağladı. kalite.    

İlkokul bilimine geri dönelim.Bu görünür spektrum - çıplak gözlerimizle görebildiğimiz ışık - ama elektromanyetik spektrumun küçük bir kısmı. Bu elektromanyetik spektrumdur.En soldaki gama ışınlarıyla başlar ve X-ışınları, mikrodalgalar ve radyo dalgaları aracılığıyla sağa doğru ilerler.Ultraviyole ve kızılötesi arasındaki küçük görünür spektrum, OBA'lar dahil olmadıkça, spektrumun insanların çıplak gözle görebildiği tek kısmıdır. OBA'lar görünmez ultraviyole ışığın bir kısmını emer ve mavi ışık olarak yeniden yayar.Bu yansıyan mavi ışık, kumaşın daha parlak ve beyaz görünmesini sağlar. Görüntü Wikipedia'nın izniyle. Bu görüntü sağda görünür dalga boylarını ve solda ultraviyole bölgesini göstermektedir.Optik parlatıcılar, bu UV ışınlarını emerek ve onları spektrumun insan gözüyle görülebilen bölgesinde yeniden emerek çalışır.

Parlaklık, bir malzemenin yüzeyinin ışığı yansıtma yeteneğini değerlendiren fiziksel bir niceliktir.Bir nesnenin yüzey özelliği olarak parlaklık, yüzeyin ışığa yansıtıcı yansıtma yeteneğine bağlıdır.Speküler yansıma, yansıma açısının olay açısına eşit olduğu yansıma fenomenini ifade eder.Parlaklık, bir malzeme yüzeyinin geometrik olarak belirlenmiş bir dizi koşul altında ışığı yansıtma yeteneğini değerlendiren fiziksel bir niceliktir.Bu nedenle yön seçimi ile yansıma özelliğini ifade eder.Parlaklığın özelliklerine göre parlaklık birkaç kategoriye ayrılabilir.Genellikle parlaklığın "ayna parlaklığı" anlamına geldiğini söyleriz, bu nedenle parlaklık ölçer, bazen ayna parlaklığı ölçer olarak da adlandırılır. Parlaklık, cilalı cam referans standardına göre yüzeyden yansıyan ışık miktarına göre ölçülür.Bir yüzeyden yansıyan ışığın miktarı, geliş açısına ve yüzeyin doğasına bağlıdır.Parlaklığın birim ölçüsü bir parlaklık birimidir (GU).GU ne kadar düşükse, parlaklık yansıması o kadar az olur.GU ne kadar yüksekse, yansıyan parlaklık da o kadar yüksek olur. Parlaklık, mat, yarı parlak ve çok parlak yüzeylere ayrılmıştır.Ölçülen Açı, gelen ışık ile yansıyan ışık arasındaki açıdır.Çoğu endüstriyel kaplama uygulamasını kapsamak için üç ölçüm açısı (20º/60º/85º) belirtilmiştir.İhtiyaçlarınızı karşılayacak doğru Açıyı belirlemek veya seçmek için, 60º'de Açıyı ölçmek için bir glossometre kullanın ve istediğiniz parlaklık aralığındaki Açıyı seçin.

Rengi görmek için üç şey gerekir - gözlerimiz, ışık ve nesneler - ve üçü de değişkendir.   İnsan gözündeki değişiklikler: Genetik, renk hafızası, göz yorgunluğu, renk körlüğü ve ilaçlar, renk farklılıklarını ayırt etme yeteneğimizi etkileyen değişkenlerden sadece birkaçıdır.Ayrıca, operatörler ve vardiyalar arasında bir bölünmeye yol açan renklerde biraz farklılık gördük.   Işık türündeki değişiklikler: Işık, gördüğümüz renkler üzerinde en büyük etkiye sahiptir.Gökkuşağı (RGBIV) olarak da bilinen görünür spektrum, yaklaşık 400 ila 700 nanometre dalga boyuna sahip ışık içerir ve üç ana renge ayrılır: kırmızı, yeşil ve mavi.Akkor, flüoresan ve gün ışığı gibi her ışık türü, farklı dalga boyları kombinasyonuna sahiptir ve bu nedenle farklı bir ışık türü yayar.   Bir nesnenin yansıması: Nesnenin kendisinin rengi yoktur.Özellikleri, ışığın hangi dalga boylarının emildiğini ve hangilerinin yansıdığını belirler.Gözümüze giren ve bize renk algısı veren yansıyan ışığın bir karışımıdır.Bir fabrikadaki floresan lambalar ile gün ışığı arasında olduğu gibi ışığın türü değiştiğinde, nesnelerden yansıyan ışık miktarı ve ortaya çıkan renk de değişir.

Pus, İngilizce adı pus, iletilen ışık yoğunluğunun, gelen açıdan 2,5 dereceden fazla sapan toplam iletilen ışık yoğunluğuna yüzdesidir.Pus ne kadar büyük olursa, filmin parlaklığı ve şeffaflığı, özellikle de görüntüleme derecesi o kadar düşük olur.Saydam veya yarı saydam malzemelerin (plastik levha, levha, plastik film, düz cam) optik saydamlığı için önemli bir parametredir.Ulusal standarda göre, her numune için bulanıklık yüzde olarak hesaplanır.   Toplam geçirgenlik, ışığın bir ortamdan geçme yeteneğini gösteren fiziksel bir terimdir.Saydam veya yarı saydam bir cisimden geçen ışık akısının ve ona gelen ışık akısının yüzdesidir.Gelen ışık yoğunluğu Io sabit olduğunda, ortamı soğuran ışığın yoğunluğu ia ne kadar büyükse, iletilen ışığın yoğunluğu o kadar küçüktür.It / I0 geçirgenlik olarak adlandırılan ışığın ortamdan geçme yeteneğini temsil etmek için kullanılır.T ile ifade edilir, yani t = it / I0

CIE-lab olarak da bilinen L * a * b *, 1976 yılında CIE tarafından önerilen nesne rengini ölçmek için en yaygın tek tip renk uzaylarından biridir. YXY rengi üzerindeki eşit mesafenin üstesinden gelmek için kurulmuş bir renk uzayıdır. uzay diyagramı, gözlemlediğimiz renk farkıyla aynı değil. Bu renk uzayında L* açık ve koyu, + ışığın sayısal değerinin daha yüksek olduğunu ve - koyu sayısal değerinin daha düşük olduğunu;A * kırmızı ve yeşili belirtir, + kısmi kırmızının sayısal değerinin daha yüksek olduğunu ve - kısmi yeşilin sayısal değerinin daha düşük olduğunu gösterir;B * sarı ve maviyi, + sarının sayısal değerinin daha yüksek olduğunu ve - mavinin sayısal değerinin daha düşük olduğunu gösterir. Yanında, CIE-L *C*HL * c * h var, l * a * b * ile aynı renk alanını kullanıyor.Dikdörtgen koordinatlar yerine silindirik koordinatlar kullanır.L * açık ve koyu, + açık ve - koyu anlamına gelir;C * rengin doygunluğunu gösterir;H, ton açısını temsil eder.Dairenin merkezindeki renk doygunluğu c * değeri 0'dır. Dairenin merkezinden ne kadar uzak olursa, c * o kadar büyük olur.Ton açısı, a ekseninden başlayacak ve derece olarak artacak şekilde belirtilir;0 ° + a (kırmızı), 90 ° + B'dir (sarı). L * u * V * renk uzayı (CIELuv renk uzayı olarak da bilinir), CIE1976'da belirtilen birkaç tek tip renk uzayından biridir, Apsis U*'yi ve ordinat V*'yi temsil eder ve aydınlatma kaynaklarının tespiti için kullanılabilir.  

Modern renk görme teorisi, insan retinasında sırasıyla kırmızı, yeşil ve mavi renklere duyarlı üç çeşit renge duyarlı piramidal hücre olduğunu ileri sürer.Renk görme süreci iki aşamaya ayrılabilir.İlk aşamada, retinadaki üç çeşit piramidal hücre, ışık spektrumunun farklı dalga boylarındaki radyasyonu seçici olarak emer.Aynı zamanda, her madde beyaz ve siyah reaksiyonları üretebilir, beyaz reaksiyonları güçlü ışık altında olacak ve siyah reaksiyon dış uyarı olmadan olacaktır;İkinci aşamada, sinir uyarısının vertebral reseptörden görme merkezine iletilmesi sırasında, bu üç reaksiyon, kırmızı veya yeşil, sarı veya mavi, beyaz veya siyah olmak üzere üç çift antagonistik sinir reaksiyonu oluşturmak üzere yeniden birleştirilir ve sonunda üretir. beyin sinir merkezinde çeşitli renkler.   Doğadaki her renk seçilebilir.İnsan gözündeki üç alıcı hücreyi uyarabilen kırmızı, yeşil ve mavi ana renkler uygun oranlarda karıştırılır.Bu nedenle, tristimulus değeri adı verilen yeni bir kavram tanıtılır, yani belirli bir tristimulus sisteminde ölçülecek renge uyan üç meta uyaran sırasıyla X, y ve Z ile temsil edilir. renk algısı (yani standart gözlemciler), her bir görünür dalga boyunun (400-700 nm) neden olduğu omur gövdesi uyaranlarının nispi sayısının renk eşleştirme işlevleri ölçüldü.Bu fonksiyonlar birleştirildi ve standart gözlemcilerimizin spektral tristimulus değer eğrisini oluşturmak için eğriler halinde çizildi (bkz. Şekil 1-1).