標準化されたVNIR-SWIR伝導度ハイパースペクトル画像とSPF-SSF-GSF-NLF融合方法による溶解性固体およびアントシアニンの検出の改善
Teng Long1, Kangning Wei1, Binshan Huang1
1College of Electronic Engineering/College of Artificial Intelligence, South China Agricultural University, Guangzhou 510642, China; Guangdong laboratory for Lingnan Modern Agriculture, South China Agricultural University, Guangzhou 510642, China; National Center for International Collaboration Research on Precision Agricultural Aviationdc Pesticides Spraying Technology, South China Agricultural University, Guangzhou 510642, China; Guangdong Engineering Technology Research Center of Smart Agriculture, South China Agricultural University, Guangzhou 510642, China; State Key Laboratory of Green Pesticides, Guizhou University, Guizhou 550025, China.
フルーツの品質を検出するためのハイパースペクトル画像 (HSI) は,スペクトル,画像,幾何学的特徴を融合した新しい方法によって改善されています. この方法により,リッチの溶性固体含量 (SSC) とアントシアニン含量 (AC) の精度が向上します.
科学分野:
- 農業科学
- スペクトロスコーピー
- コンピュータ・ビジョン
背景:
- ハイパースペクトル画像 (HSI) を使用した果物の内部成分含有量の検出は,幾何学的な構造と非線形スペクトル含有量関係によって困難です.
- 既存の方法は,これらの複雑な要因を同時に扱うのに苦労し,正確な品質評価を制限しています.
研究 の 目的:
- 溶性固体含量 (SSC) およびアントシアニン含量 (AC) の正確な検出のための強化されたHSIアプローチを開発し,検証する.
- HSI分析における果実の幾何学と非線形スペクトルの特徴による制限を克服する.
主な方法:
- 部分最小平方回帰 (PLSR) と組み合わせたVNIR-SWIR伝送HSIを使用した.
- スペクトル特性 (SPF),画像特性 (SSF),幾何学構造特性 (GSF),非線形特性 (NLF) を統合した特徴融合戦略を開発した.
- スペクトルの変化を軽減するために,スペクトルの正常化を適用した.
主要な成果:
- 提案された融合アプローチは予測精度 (Rp2) を大幅に改善しました.SSCは17.47%で,ACは11.85%で,それぞれ0.9148と0.8455に達しました.
- 95.17%の高い分類精度で予測されたSSCとACに基づいてリッチの分類システムを開発しました.
- HSIベースの果物の品質検出の強化におけるスペクトル標準化と多機能融合の有効性を実証した.
結論:
- 統合されたアプローチは,フルーツの品質評価におけるHSIにおける幾何学的および非線形的な課題を効果的に解決します.
- この方法は,リッチのSSCとACの正確で破壊的でない決定のための堅固な解決策を提供します.
- 開発された分類システムは,果物産業における実用的な応用の可能性が高い.
