| Индекс УДК |
535.33 577.3 |
|
Nondestructive identification of millet varieties using hyperspectral imaging technology X. Wang, Z. Li Z., Z. Zheng Z., W. Wang |
|
| Аннотация | Изучены гиперспектральные изображения 480 образцов проса восьми сортов в видимой и ближней инфракрасной областях спектра. В результате анализа изображений получены спектральные и графические характеристики образцов проса, выявлены особенности текстуры и цвета. На основе полученных характеристик созданы модели опорных векторов (SVM) для идентификации сортов проса. Идентификация сортов проса проведена на основе конволюционной рекуррентной нейронной сети (attention-CRNN), включающей в себя механизм внимания, а также с помощью моделей SVM и attention-CRNN методом слияния изображений и спектральных признаков. Определено, что лучшим методом преобразования является обратно-логарифмический метод. Точность идентификации сортов проса на базе классификационной модели SVM с обратно-логарифмической кривой спектральных характеристик 73. 13%. Средняя точность идентификации восьми сортов проса по модели SVM с помощью признаков изображения 61. 25%. Точность идентификации по модели SVM с использованием метода слияния изображения и спектральной информации значительно повышает общий показатель точности до 77. 5%, а минимальная точность распознавания сортов проса увеличивается с 50 до 65%. Средняя точность идентификации по модели attention-CRNN 87. 50%, что на 10% выше, чем у модели SVM, а минимальная точность распознавания сортов проса увеличивается с 65 до 90%. Использование модели attention-CRNN улучшает общую точность идентификации восьми сортов проса и значительно увеличивает минимальную точность идентификации. Модель attention-CRNN представляет большой интерес для неразрушающей идентификации проса и, возможно, других мелких сортов зерна. |
| Название источника | Журнал прикладной спектроскопии |
| Место и дата издания | 2020 |
| Прочая информация | Т. 87, № 1. - С. 64-71 |
