En este estudio, se puede utilizar una cámara hiperespectral de 400-1000 nm y los productos de Hangzhou Color Spectrum Technology Co., LTD.
FS13 realiza investigaciones relacionadas.El rango espectral es de 400-1000 nm y la resolución de longitud de onda es mejor que 2,5 nm, hasta 1200
Dos canales espectrales.Velocidad de adquisición de hasta 128 FPS en todo el espectro, hasta 3300 Hz después de la selección de banda (soporte multizona
Selección de banda de dominio).
Con la promoción de la estrategia de la papa como grano básico en China, la cadena industrial relacionada con la papa se ha desarrollado rápidamente y la calidad de la papa se ha convertido en un tema candente.Sin embargo, defectos como la piel verde y los daños mecánicos afectan gravemente a la cantidad total de patatas, especialmente la forma compleja de las patatas de piel verde; los defectos no son fáciles de identificar y aumentan la dificultad de detección.Al mismo tiempo, si el contenido de solanina en la papa verde excede el estándar comestible, provocará intoxicación alimentaria y problemas de seguridad alimentaria.Por lo tanto, es de gran importancia estudiar un método de detección rápido y no destructivo para el procesamiento profundo de la papa y la extensión de la cadena industrial de la papa.
La tecnología de imágenes hiperespectrales tiene las ventajas de un rango de banda amplio y puede obtener la imagen y la información espectral en el rango de banda correspondiente de la muestra analizada al mismo tiempo, por lo que se ha utilizado ampliamente en pruebas rápidas no destructivas de productos agrícolas.Para resolver el problema de que la papa con piel verde clara no es fácil de reconocer en una posición arbitraria, se utilizaron técnicas de imágenes hiperespectrales de semitransmisión y reflexión para comparar y analizar, y se determinó la precisión del reconocimiento del modelo bajo diferentes métodos de imágenes hiperespectrales. .Se recolectaron imágenes hiperespectrales semitransmitidas e hiperespectrales reflejadas de muestras de papa en cualquier posición, y se establecieron modelos de detección basados en información de imagen e información espectral respectivamente, y se compararon las tasas de reconocimiento de diferentes modelos.Establezca aún más modelos de fusión de imágenes y espectros o diferentes modelos de fusión de imágenes para mejorar el rendimiento del modelo y, finalmente, determine el modelo óptimo.
(1) Se compara la precisión de los modelos de reconocimiento de información de imágenes con diferentes métodos de imágenes hiperespectrales.La tasa de reconocimiento del mapeo isométrico combinado con el modelo de red de creencias profundas basado en información de imágenes semitransmitidas es solo del 78,67%.La tasa de reconocimiento de la expansión de varianza máxima combinada con el modelo de red de creencias profundas basado en información de imagen reflejada es solo del 77,33%.Los resultados mostraron que la precisión de la detección de patatas de color verde claro mediante información de una sola imagen no era alta.
(2) Se compara la precisión de los modelos de reconocimiento de información espectral con diferentes métodos de imágenes hiperespectrales.La tasa de reconocimiento de la disposición del espacio tangente local combinada con el modelo de red de creencia profunda basado en información del espectro de semitransmisión es la más alta: 93,33%.La tasa de reconocimiento de la disposición espacial tangente local combinada con el modelo de red de creencias profundas basado en información espectral de reflectancia es de hasta el 90,67%.Los resultados muestran que es factible utilizar información espectral única para detectar patatas de color verde claro, pero es necesario mejorar aún más la tasa de reconocimiento.
(3) Se compara la influencia de tres métodos de fusión de información de múltiples fuentes en la precisión del reconocimiento.La precisión de los tres modelos de fusión de imagen semitransmitida y espectro semitransmitido, imagen reflejada y espectro de reflexión, espectro semitransmitido y espectro de reflexión es mayor que la del modelo de imagen única o espectral, y el modelo de fusión de red de creencias profundas de El espectro semitransmitido y el espectro de reflexión son los mejores, y la tasa de reconocimiento del conjunto de corrección y del conjunto de prueba es del 100%.Los resultados muestran que el modelo de fusión del espectro de semitransmisión y el espectro de reflexión puede realizar pruebas no destructivas de patatas de piel verde clara.