文献

J-GLOBAL ID：201802278957049607   整理番号：18A0426156

クラウドコンピューティングプラットフォーム上でのリンゴ低温障害の可視-近赤外スペクトルに基づく分類【Powered by NICT】

Visible-near infrared spectrum-based classification of apple chilling injury on cloud computing platform

著者 (6件)： Xia Ji’An (College of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Yang YuWang (College of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Cao HongXin (Institute of Agricultural Information, Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China) ,  Han Chen (College of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Ge DaoKuo (Institute of Agricultural Information, Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China) ,  Zhang WenYu (Institute of Agricultural Information, Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 145  ページ： 27-34  発行年： 2018年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： リンゴ低温障害のスペクトルに基づく分類のためのクラウドコンピューティング技術を適用することの実現可能性を評価した。四水準冷却ない損傷(無し,軽度,中位,鋭い)の富士リンゴの反射率スペクトルを収集した。データ処理の間,400 1000nmでスペクトルを選択し,1次二次微分スペクトルデータセットを積分変換によって得た。五最適波長帯は,分類モデルの入力として選択した。火花とMLlib機械学習ライブラリに基づくクラウドコンピューティング枠組みは,人工ニューラルネットワーク(ANN)とサポートベクトルマシン(SVM)に基づく多変量分類モデルを実現するために使用した。ANNとSVM分類モデルは,スペクトルデータセット(生),第一導関数,第二導関数)と対応する最適波長帯の多変量分類と解析のために使用した。全データサンプルのうち,訓練に用いた70%,残りの30%は予測のために使用した。実験結果は,クラウドコンピューティングプラットフォームを用いて,リンゴ低温障害の効率的なスペクトル分類モデルを確立できることを示した。ANNモデルは,SVMモデル(二次微分スペクトルを含まない)よりもわずかに高い精度を持っていたが,SVMモデルがより効率的であった。さらに,全波長スペクトルデータセットを用いた分類精度は五最適波長帯を用いたデータセットのそれより高かった。火花フレームワークとMLlibは二値分類モデル(デシジョンツリー及びrandom森林)を実現するために使用し,これらを多変量分類モデルと比較した;二値分類法は,リンゴ低温障害の近赤外スペクトルに基づく分類においてより優れた性能を有していた。最後に,大きなデータセットを処理するためのクラウドコンピューティングプラットフォームとデスクトップPCの効率を検証するために,既存のスペクトルデータセットを拡張した。結果はクラウドコンピューティングプラットフォームの効率は作動ノードのスペクトルデータセット容量または数を増加させることによって著しく改善されることを示した。プロセッサとメモリ限界のために,豊富なスペクトルデータセットの分類アルゴリズムとモデルはデスクトップPC上のタスクの全てを完了できない。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *近赤外スペクトル ,  サポートベクトルマシン ,  微分スペクトル ,  ディシジョンツリー ,  *スペクトル ,  データ処理 ,  機械学習 ,  モデル ,  導関数 ,  ニューラルネットワーク
準シソーラス用語： 分類アルゴリズム ,  分類モデル ,  波長領域 ,  *クラウドコンピューティング ,  *低温障害 , 【Automatic Indexing@JST】

著者キーワード (5件)： リンゴ ,  低温障害 ,  可視近赤外スペクトル ,  クラウドコンピューティング ,  分類

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： リンゴ ,  低温 ,  障害 ,  近赤外スペクトル ,  分類