文献

J-GLOBAL ID：201902220732423114   整理番号：19A2782378

ハイパースペクトル画像結合BPネットワークは,リモの硬度を非破壊的に検出する。【JST・京大機械翻訳】

Nondestructive detectionon firmness of plums based on hyperspectral imaging and BP network

著者 (3件)： Meng Qinglong (貴陽学院食品与制薬工程学院,貴州貴陽550005;貴陽学院農産品无損検測工程研究中心,貴州貴陽550005) ,  Zhang Yan (貴陽学院農産品无損検測工程研究中心,貴州貴陽,550005) ,  Shang Jing (貴陽学院食品与制薬工程学院,貴州貴陽550005;貴陽学院農産品无損検測工程研究中心,貴州貴陽550005)
資料名： Jiguang yu Hongwai  (Jiguang yu Hongwai)
巻： 49  号： 8  ページ： 968-973  発行年： 2019年 
JST資料番号： C2073A  ISSN： 1001-5078  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 「赤」李子と「青」李子を研究対象とし、ハイパースペクトル画像技術結合誤差逆伝播(errorBackPropagation,BP)ネットワークを用いて、李子硬度を非破壊的に検出する方法を提案した。ハイパースペクトル画像収集システムを用いて,ハイパースペクトル画像を得て,関心領域の平均スペクトル反射率を抽出した。異なるスペクトル前処理法(一次導関数(derivative),標準正規変換(SNV)及び多重散乱補正(MSC))がBPネットワークモデル検査効果に与える影響を総合的に比較した。主成分分析(PCA)を用いて,前処理後のスペクトルデータを次元縮小し,その特性スペクトルを抽出した。結果は以下を示した。前処理したスペクトルには,良いLie硬度補正能力(Rc=0.939,RMSEC=0.153)があり,SNV前処理後のスペクトルには,良いLie硬度予測能力(RP=0.723,RMSEP=O)があった。580;主成分分析(PCA)を用いて,累積寄与率99.99%以上の主成分をサンプル集合の特徴スペクトルデータとして選択し,スペクトルデータの次元低減を実現し,BPネットワークモデルの運転効率を改善した。これは,ハイパースペクトル画像技術とBPネットワークの組合せが,硬度の非破壊検査を達成できることを示している。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： モデル検査 ,  主成分分析 ,  *硬度 ,  次元縮小 ,  *ネットワーク ,  導関数 ,  非破壊検査 ,  *スペクトル ,  前処理 ,  多重散乱 ,  反射率
準シソーラス用語： スペクトルデータ ,  関心領域 ,  *逆伝播ニューラルネットワーク ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ハイパースペクトル画像 ,  BPネットワーク ,  硬度