| Маркер записи | n 22 3 4500 |
| Контрольный номер | zhps20_to87_no6_ss1024_ad1 |
| Дата корректировки | 13:01:54 30 марта 2021 г. |
| Кодируемые данные | 210322s2020||||RU|||||||||||#||||# rus0| |
| Системный контрольный номер | RUMARS-zhps20_to87_no6_ss1024_ad1 |
| AR-MARS | |
| Служба первич. каталог. |
Научная библиотека им. М. М. Бахтина Мордовского госуниверситета им. Н. П. Огарева МАРС |
| Код языка каталог. | rus |
| Код языка издания |
eng eng |
| Индекс УДК | 535.33 |
| Индекс ББК | 22.344 |
| Таблицы для массовых библиотек | |
|
Pang, T. 070 |
|
|
Impruved prediction of soluble solid content of apple using a combination of spectral and textural features of hyperspectral images T. Pang, L. Rao, X. Chen, J. Cheng |
|
| Другая форма заглавия | Определение содержания растворимых твердых веществ в яблоке с использованием сочетания спектральных и текстурных особенностей гиперспектральных изображений |
| Текст | |
| непосредственный | |
| Библиография | Библиогр.: с. 1024 (34 назв. ) |
| Аннотация | Созданы модели прогнозирования, основанные на сочетании спектральных и различных расширенных функций изображения для повышения точности прогнозирования твердого растворимого содержимого (SSC) яблока. Восемь оптимальных длин волн выбраны с помощью нового метода выбора переменных - анализа совокупности переменных (VCPA). Текстурные особенности первых трех изображений с оценкой основных компонент получены с использованием матрицы совместной встречаемости уровней серого (GLCM) и локального двоичного шаблона (LBP). Разработан алгоритм случайной лягушки для выбора оптимальных текстурных особенностей для дальнейшего анализа. Для прогнозирования SSC яблока разработана модель регрессии опорных векторов (SVR), основанная на спектральных и текстурных характеристиках. Модель, основанная на восьми оптимальных длинах волн и девяти оптимальных характеристиках GLCM-изображений главных компонент, дает лучший результат с коэффициентом детерминации для прогноза (Rp{2}) 0. 9193, среднеквадратичной ошибкой прогноза 0. 2955 и отношением стандарта. Отклонение прогноза установлено на среднеквадратичную ошибку прогнозирования RPD = 3. 50. Результаты показывают, что спектр в сочетании с оптимальными характеристиками GLCM из изображений основных компонент в сочетании с моделью SVR имеет потенциал для предсказания SSC яблока. |
|
Физика AR-MARS Спектроскопия AR-MARS |
|
| Ключевые слова |
анализ совокупности переменных гиперспектральное изображение модель регрессии опорных векторов растворимые твердые вещества случайная лягушка текстурная характеристика |
|
Rao, L. 070 Chen, X. 070 Cheng, J. 070 |
|
| ISSN | 0514-7506 |
| Название источника | Журнал прикладной спектроскопии |
| Место и дата издания | 2020 |
| Прочая информация | Т. 87, № 6. - С. 1024 |
|
RU 43013090 20210322 RCR |
|
|
RU 43013090 20210322 |
|
|
RU AR-MARS 20210322 RCR |
|
|
RU AR-MARS 20210322 |
|
| Тип документа | b |
|
code year to no ss ad |
|
|
zhps 2020 87 6 1024 1 |
|
| 718 | |
| Аннотации англоязычных статей |
