文献

J-GLOBAL ID：201802244829615415   整理番号：18A0587223

ハイパースペクトル画像技術を用いたリンゴ内部の品質予測【Powered by NICT】

Prediction of apple internal qualities using hyperspectral imaging techniques

著者 (5件)： Chen Xiaoyan (School of mechanical and electrical engineering, Sichuan Agricultural University, Yaan, Sichuan Province, China) ,  Pang Tao (School of mechanical and electrical engineering, Sichuan Agricultural University, Yaan, Sichuan Province, China) ,  Tao Huanliang (School of mechanical and electrical engineering, Sichuan Agricultural University, Yaan, Sichuan Province, China) ,  Lin Mingyue (School of mechanical and electrical engineering, Sichuan Agricultural University, Yaan, Sichuan Province, China) ,  Yang Haotian (School of mechanical and electrical engineering, Sichuan Agricultural University, Yaan, Sichuan Province, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICAMechS  ページ： 450-455  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 糖度と硬さは著しい内部特性であり品質等級と工業生産に重要な意義を持っている。ハイパースペクトルイメージング技術は,リンゴの糖含量および硬度の予測について検討した。平均スペクトルは,400nmと1000nmの間の画像の関心領域から抽出した。乗算散乱補正(MSC)前処理後,部分最小二乗(PLS)の回帰係数を用いて特徴波長を抽出した。糖度(384.2, 418.9, 502.5, 675.2, 720.9, 968.7nm)および硬度の6特徴波長(418.9, 500.0, 513.5, 599.9, 704.4, 964.7nm)の6特徴波長を抽出した。全波長と特徴波長における糖含量および硬度の予測モデルの性能を比較した,糖含量および硬度のBP人工ニューラルネットワーク(BP),部分最小二乗回帰(PLSR)と主成分回帰(PCR)モデルのような三つの予測モデルを構築した。結果は,糖含量及び硬度を3種類のモデルにより予測できることを示した。特徴波長に基づくBPモデルは糖含有量と硬さの最適性能を達成した。BPによる予測の相関係数と二乗平均平方根誤差は,硬さのためのSSCと0.9126年,1.099年の0.9225,0.137であった。研究はハイパースペクトル画像技術がリンゴの内部品質の検出,リンゴの非破壊検出に対する理論的参照を提供する信頼できるツールであることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  部分最小二乗法 ,  糖度 ,  *画像 ,  相関係数 ,  硬度 ,  前処理 ,  *品質 ,  *スペクトル ,  予測モデル ,  波長 ,  非破壊検査
準シソーラス用語： 部分最小二乗回帰 ,  *ハイパースペクトル ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  食品の品質  (FJ01040F)

タイトルに関連する用語 (3件)： ハイパースペクトル画像 ,  リンゴ ,  品質予測