En este estudio, una cámara hyperspectral 400-1000nm puede ser utilizada, y FS13, un producto de la tecnología Co., Ltd de Hangzhou CHNSpec, se puede utilizar para la investigación relacionada. La gama espectral es 400-1000nm, y la resolución de la longitud de onda es mejor que 2.5nm, hasta 1200
Dos canales espectrales. La velocidad de la adquisición puede alcanzar 128FPS en el espectro completo, y el máximo después de que la selección de la banda sea 3300Hz (selección de la banda de la multi-región de la ayuda).
La zahína es uno de los cultivos de plantas comestibles importantes en China, debido a sus alimentos ricos en el grano en la industria vitivinícola tiene “buen vino no se puede separar un juicio incisivo del grano rojo”, la demanda anual de hasta 20 millones de T. actualmente, las variedades principales de zahína del vino es el Luzhou rojo, el Qinghuyang, el no. 7 de Runuo y la otra zahína pegajosa con el alto contenido de almidón. Porque hay muchas clases de zahína y de diversas áreas que producen, el contenido del almidón, de la proteína, de la grasa y del tanino en el grano es muy diferente, que lleva a las grandes diferencias en sabor, estilo, calidad y la producción de licor. Puede ser visto que la identificación exacta y eficiente de las variedades de la zahína antes del almacenamiento del lote de las materias primas de la zahína tiene una significación rectora muy importante para la producción de licor de alta calidad, que puede controlar el proceso de producción tal como la época del grano que burbujea, consumo de agua y grano del cocido al vapor al vapor durante el proceso de la elaboración de la cerveza. Los métodos tradicionales de la identificación incluyen principalmente la identificación empírica manual y la detección de muestreo biológica. El anterior está conforme a influencia subjetiva, a bajo rendimiento, y a difícil formar un estándar unificado, mientras que este último es incómodo, largo y laborioso. Ambos ellos no pueden cubrir las necesidades de las empresas modernas del licor de identificar la zahína, así que es urgente encontrar un método rápido, exacto y simple de la clasificación y de detección de la variedad de la zahína. El objetivo de este estudio es clasificar 11 variedades de la zahína combinando la información espectral y la información de la imagen, e identifica diversas variedades de la zahína optimizando métodos hyperspectral del aprendizaje de la tecnología y de máquina con la comparación y la verificación externa, para mejorar su exactitud y eficacia en el uso.
Las curvas espectrales originales de 550 muestras de 11 categorías de zahína y las curvas espectrales después de que el tratamiento previo del MSC se muestre en el cuadro 1. Cada color representa una diversa categoría.
En este papel, la identificación de 11 variedades de zahína fue estudiada basada en la combinación de información hyperspectral del espectro y de la imagen. Las imágenes hyperspectral de la zahína fueron recogidas, 48 longitudes de onda de la característica fueron seleccionadas de los espectros después del MSC que preprocesaba por algoritmo del BALNEARIO, y entonces las características de la textura de las imágenes fueron extraídas. Los modelos de la clasificación de SVM, de PLEASE-DA y del OLMO fueron establecidos sobre la base de las características de la textura, espectro completo, espectro de la característica y su información combinada de la imagen, respectivamente. Finalmente, los datos no implicados en el modelado fueron utilizados para la verificación externa. Los resultados muestran que el modelo de la clasificación de SVM basado en la combinación de características del espectro y de la textura de la característica tiene el mejor efecto. El índice de reconocimiento correcto del sistema de la prueba es 95,3%, y la exactitud del sistema de la verificación es 91,8%. La combinación de espectro visible y de imagen puede realizar con eficacia el reconocimiento rápido de la zahína del vino y mejorar la exactitud del reconocimiento del modelo. Esto proporciona una base teórica para la detección de materias primas de diversa elaboración de la cerveza y la realización de la automatización de la elaboración de la cerveza.