基于高光谱成像技术检测绿胡杂质的检测
Jian Zhang1, Lingkai Ma2, Yujiang Gou3
1School of Intelligent Manufacturing, Huzhou College, Huzhou 313000, PR China; College of Engineering and Technology, Southwest University, Chongqing 400715, PR China.
概括
超光谱成像和支持矢量机 (SVM) 模型为检测绿色胡中的杂质提供了一种新方法,实现了高精度. 这项技术促进了农产品的智能质量评估.
科学领域:
- 农业科学 农业科学
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 评估绿胡的质量,特别是颜色,是具有挑战性的,因为杂质类似于实际产品.
- 农产品的智能质量评估系统尚未得到充分发展.
研究的目的:
- 开发一种智能检测模型,用于识别绿色胡中的杂质.
- 利用高光谱成像技术,加强农业的质量控制.
主要方法:
- 超光谱成像用于捕获绿色胡和杂质的光谱和图像数据.
- 使用支持矢量机 (SVM) 算法来训练使用获取数据的检测模型.
- 应用了可视化技术来优化和呈现模型的性能.
主要成果:
- 开发的SVM模型在培训数据集上实现了100%的准确性.
- 该模型在测试数据集上显示了89.7%的准确性,满足了应用程序的要求.
- 优化的可视化图像证实了该模型在识别绿胡杂质方面的有效性.
结论:
- 超光谱成像和SVM策略为智能绿胡杂质检测提供了强大的方法.
- 这种方法为推进农产品的智能加工和质量控制提供了理论基础.
- 该研究加速了农业食品行业自动化杂质检测技术的发展.
