文献

J-GLOBAL ID：201702230389259222   整理番号：17A0367043

菌類汚染ピーナッツの分類と同定のための短波長赤外ハイパースペクトル画像のスペクトル-空間特性の利用【Powered by NICT】

Utilization of spectral-spatial characteristics in shortwave infrared hyperspectral images to classify and identify fungi-contaminated peanuts

著者 (5件)： Qiao Xiaojun (College of Geosciences and Surveying Engineering, China University of Mining and Technology, Beijing 100083, China) ,  Jiang Jinbao (College of Geosciences and Surveying Engineering, China University of Mining and Technology, Beijing 100083, China) ,  Qi Xiaotong (College of Geosciences and Surveying Engineering, China University of Mining and Technology, Beijing 100083, China) ,  Guo Haiqiang (College of Geosciences and Surveying Engineering, China University of Mining and Technology, Beijing 100083, China) ,  Yuan Deshuai (College of Geosciences and Surveying Engineering, China University of Mining and Technology, Beijing 100083, China)
資料名： Food Chemistry  (Food Chemistry)
巻： 220  ページ： 393-399  発行年： 2017年 
JST資料番号： H0766A  ISSN： 0308-8146  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： の良く知られた菌類汚染ピーナツは強力な発癌物質を含んでいる。効率的汚染同定と分離食物連鎖中に入るアフラトキシンを防ぐことができる。本研究では,調製した汚染穀粒を同定するための短波赤外(SWIR)ハイパースペクトル画像。分散分析(A NOVA)と非パラメトリック重みつき特徴抽出(NWFE)の特徴抽出法の特徴選択法を用いて,汚染と健康なナンキンマメは良好な分離性を持つことができる部分空間へのスペクトル情報を濃縮した。,ピーナッツ画素をSVMを用いて分類した。,成長領域の画像セグメンテーション法は,カーネルスケールパッチとして画像のセグメンテーションを行うために,カーネルを数に適用した。結果がピクセル単位分類精度は学習画像中のCの品種A,96.72%~99.13%であったBおよび99.73%であり,検証画像で96.32%,94.2%および97.51%であることを示した。汚染ナンキンマメは学習画像と検証画像の両方における異常な核としてマークした。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *短波 ,  セグメンテーション ,  特徴選択 ,  画素 ,  食物連鎖 ,  *スペクトル ,  アフラトキシン ,  *ナンキンマメ ,  *画像 ,  特徴抽出 ,  品種
準シソーラス用語： 分類精度 ,  画像セグメンテーション ,  部分空間 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： SWIRハイパースペクトル画像 ,  カビ汚染ピーナッツ ,  同定 ,  分類

分類 (1件)： 野菜とその加工品  (FJ11020O)

タイトルに関連する用語 (10件)： 菌類 ,  汚染 ,  ピーナッツ ,  分類 ,  同定 ,  短波 ,  赤外 ,  ハイパースペクトル画像 ,  スペクトル ,  空間特性