Dans cette étude, une caméra hyperspectrale de 400 à 1 000 nm peut être utilisée et les produits de Hangzhou Color Spectrum Technology Co., LTD
FS13 mène des recherches connexes.La plage spectrale est de 400 à 1 000 nm et la résolution de longueur d'onde est meilleure que 2,5 nm, jusqu'à 1 200
Deux canaux spectraux.Vitesse d'acquisition jusqu'à 128FPS dans le spectre complet, jusqu'à 3300Hz après sélection de bande (support multizone
Sélection de bande de domaine).
Avec la promotion de la stratégie des céréales de base de la pomme de terre en Chine, la chaîne industrielle liée à la pomme de terre s'est rapidement développée et la qualité de la pomme de terre est devenue un problème brûlant.Cependant, des défauts tels que la peau verte et les dommages mécaniques affectent sérieusement la quantité globale de pommes de terre, en particulier la forme complexe des pommes de terre à peau verte, les défauts ne sont pas faciles à identifier et augmentent la difficulté de détection.Dans le même temps, si la teneur en solanine de la pomme de terre verte dépasse la norme comestible, cela entraînera une intoxication alimentaire et posera des problèmes de sécurité alimentaire.Par conséquent, il est d’une grande importance d’étudier une méthode de détection rapide et non destructive pour la transformation en profondeur des pommes de terre et l’extension de la chaîne industrielle de la pomme de terre.
La technologie d'imagerie hyperspectrale présente les avantages d'une large gamme de bandes et peut obtenir simultanément l'image et les informations spectrales dans la gamme de bandes correspondante de l'échantillon testé, elle a donc été largement utilisée dans les tests non destructifs rapides des produits agricoles.Afin de résoudre le problème selon lequel la pomme de terre à la peau vert clair n'est pas facile à reconnaître dans une position arbitraire, les techniques d'imagerie hyperspectrale de semi-transmission et de réflexion ont été utilisées pour comparer et analyser, et la précision de la reconnaissance du modèle sous différentes méthodes d'imagerie hyperspectrale a été déterminée. .Les images hyperspectrales semi-transmises et hyperspectrales réfléchies d'échantillons de pommes de terre ont été collectées à n'importe quelle position, et des modèles de détection basés sur les informations d'image et les informations spectrales ont été établis respectivement, et les taux de reconnaissance de différents modèles ont été comparés.Établissez davantage des modèles de fusion d'images et de spectre ou différents modèles de fusion d'imagerie pour améliorer les performances du modèle, et enfin déterminer le modèle optimal.
(1) La précision des modèles de reconnaissance d'informations d'image avec différentes méthodes d'imagerie hyperspectrale est comparée.Le taux de reconnaissance de la cartographie isométrique combinée à un modèle de réseau de croyance profonde basé sur des informations d'image semi-transmises n'est que de 78,67 %.Le taux de reconnaissance de l'expansion maximale de la variance combinée au modèle de réseau de croyance profonde basé sur les informations d'image réfléchies n'est que de 77,33 %.Les résultats ont montré que la précision de la détection des pommes de terre vert clair par des informations sur une seule image n'était pas élevée.
(2) La précision des modèles de reconnaissance d'informations spectrales avec différentes méthodes d'imagerie hyperspectrale est comparée.Le taux de reconnaissance de l'arrangement spatial tangent local combiné à un modèle de réseau de croyance profonde basé sur des informations de spectre de semi-transmission est le plus élevé de 93,33 %.Le taux de reconnaissance de l'arrangement spatial tangent local combiné à un modèle de réseau de croyances profondes basé sur les informations spectrales de réflectance atteint 90,67 %.Les résultats montrent qu'il est possible d'utiliser des informations spectrales uniques pour détecter les pommes de terre vert clair, mais le taux de reconnaissance doit encore être amélioré.
(3) L'influence de trois méthodes de fusion d'informations multi-sources sur la précision de la reconnaissance est comparée.La précision des trois modèles de fusion d'image semi-transmise et de spectre semi-transmis, d'image réfléchie et de spectre de réflexion, de spectre semi-transmis et de spectre de réflexion est supérieure à celle d'une image unique ou d'un modèle spectral, et le modèle de fusion de réseau de croyance profonde de le spectre semi-transmis et le spectre de réflexion sont les meilleurs, et le taux de reconnaissance de l'ensemble de correction et de l'ensemble de test est de 100 %.Les résultats montrent que le modèle de fusion du spectre de semi-transmission et du spectre de réflexion peut réaliser des tests non destructifs sur des pommes de terre à peau vert clair.