Dans cette étude, une caméra 400-1000nm hyperspectral peut être utilisée, et FS13, un produit de Hangzhou CHNSpec Technology Co., Ltd, peut être employé pour la recherche relative. Le domaine spectral est 400-1000nm, et la résolution de longueur d'onde est meilleure que 2.5nm, jusqu'à 1200
Deux canaux spectraux. La vitesse d'acquisition peut atteindre 128FPS dans le plein spectre, et le maximum après que la sélection de bande soit 3300Hz (sélection de bande de multi-région de soutien).
Le sorgho est l'une des cultures vivrières importantes en Chine, en raison de ses éléments nutritifs riches dans le grain dans l'industrie vinicole a « bon vin ne peut pas être séparé un jugement incisif de grain rouge », la demande annuelle de jusqu'à 20 millions de T. actuellement, les variétés principales de sorgho de vin sont Luzhou rouge, Qinghuyang, no. 7 de Runuo et tout autre sorgho visqueux avec la teneur élevée en amidon. Puisqu'il y a beaucoup de genres de sorgho et de différents secteurs producteurs, le contenu de l'amidon, de la protéine, de la graisse et du tannin dans le grain est très différent, qui mène à de grandes différences dans la saveur, le style, la qualité et le rendement de boisson alcoolisée. Il peut voir que l'identification précise et efficace des variétés de sorgho avant le stockage en lots des matières premières de sorgho a une importance de guidage très importante pour la production de la boisson alcoolisée de haute qualité, qui peut commander le processus de fabrication tel que la période du grain de bouillonnement, consommation d'eau et grain de cuisson à la vapeur pendant le procédé de brassage. Les méthodes traditionnelles d'identification incluent principalement l'identification empirique manuelle et la détection de échantillonnage biologique. L'ancien est sujet à l'influence subjective, à la basse efficacité, et difficile de former une norme unifiée, alors que ce dernier est encombrant, long et laborieux. Chacun d'eux ne peuvent pas répondre aux besoins des entreprises modernes de boisson alcoolisée d'identifier le sorgho, ainsi il est urgent pour trouver une classification et une méthode de dépistage rapides, précises et simples de variété de sorgho. L'objectif de cette étude est de classifier 11 variétés de sorgho en combinant l'information spectrale et l'information d'image, et identifie différentes variétés de sorgho en optimisant des méthodes hyperspectral de technologie et d'apprentissage automatique par la comparaison et la vérification externe, afin d'améliorer leur exactitude et efficacité dans l'application.
Les courbes spectrales originales de 550 échantillons de 11 catégories de sorgho et les courbes spectrales après que le traitement préparatoire de MSC soient montrés sur le schéma 1. Chaque couleur représente une catégorie différente.
En ce document, l'identification de 11 variétés de sorgho a été étudiée basée sur la combinaison d'information hyperspectral de spectre et d'image. Les images hyperspectral du sorgho ont été rassemblées, 48 longueurs d'onde de caractéristique ont été choisies parmi les spectres après le MSC prétraitant par algorithme de STATION THERMALE, et alors les caractéristiques de texture des images ont été extraites. Des modèles de classification de SVM, de PLEASE-DA et d'ORME ont été établis basés sur les caractéristiques de texture, plein spectre, spectre de caractéristique et leur information combinée d'image, respectivement. En conclusion, les données non impliquées dans la modélisation ont été employées pour la vérification externe. Les résultats prouvent que le modèle de classification de SVM basé sur la combinaison des caractéristiques de spectre et de texture de caractéristique a le meilleur effet. Le taux de reconnaissance correct de l'ensemble d'essai est 95,3%, et l'exactitude de l'ensemble de vérification est 91,8%. La combinaison du spectre évident et de l'image peut effectivement réaliser la reconnaissance rapide du sorgho de vin et améliorer l'exactitude de reconnaissance du modèle. Ceci constitue une base théorique pour la détection des matières premières de brassage différent et la réalisation de l'automation de brassage.