文献

J-GLOBAL ID：202002239264573265   整理番号：20A0709365

PCAスペクトル特徴最適化に基づくScindapsus aureus葉の迅速非破壊欠陥検出【JST・京大機械翻訳】

Rapid Nondestructive Defect Detection of Scindapsus aureus Leaves Based on PCA Spectral Feature Optimization

著者 (4件)： Xiao Zhiyun (ICollege of Electricity Power, Inner Mongolia University of Technology, Inner Mongolia Hohhot, China) ,  Xiao Zhiyun (Inner Mongolia Key Laboratory of Electromechanical Control, Inner Mongolia Hohhot, China) ,  Wang Jiao (ICollege of Electricity Power, Inner Mongolia University of Technology, Inner Mongolia Hohhot, China) ,  Wang Jiao (Inner Mongolia Key Laboratory of Electromechanical Control, Inner Mongolia Hohhot, China)
資料名： IOP Conference Series: Earth and Environmental Science  (IOP Conference Series: Earth and Environmental Science)
巻： 440  号： 3  ページ： 032018 (11pp)  発行年： 2020年 
JST資料番号： W5558A  ISSN： 1755-1307  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： 黄変,斑点および正常緑葉の分類および同定を,ハイパースペクトル画像技術を用いて行った。最初に,3種類のサポートベクトルマシン(SVM)分類モデルを種々の前処理方法の下で確立した。最適前処理法(正規化+SG+一次導関数)を,データセット入力として画素を用いて得て,分類の認識率は97.4%に達した。しかし,データ情報の量は大きく,検出時間は比較的長い。スペクトル特性をさらに最適化し,検出効率を改善するために,主成分分析(PCA)を,この最適前処理法の下で,特徴選択と特徴抽出のために使用した。実験は,特徴抽出法が,3から15の範囲の次元縮小実験における7の最適主成分数を選択し,認識率はSVM分類後に97.3%であり,特徴選択法より4.8%高いことを示した。特徴選択の方法は22.57sによってスピードアップして,それは104.07sによって最適な前処理方法より速くて,それは正確さを確実にする間,認識と検出速度を大いに改良することができた。結果は,サポートベクトルマシン分類モデルと組み合わせたハイパースペクトル画像技術が,正規化+SG+一次微分前処理法と特徴抽出の下で,緑色葉欠陥の非破壊的迅速検出を達成できることを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 黄変 ,  導関数 ,  正規化 ,  特徴抽出 ,  特徴選択 ,  サポートベクトルマシン ,  *故障検出 ,  主成分分析 ,  前処理 ,  斑点 ,  微分 ,  *最適化 ,  画素 ,  次元縮小 ,  検出効率

分類 (5件)： 食品の品質  (FJ01040F) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  動物性水産食品  (FJ13020C) ,  分光法と分光計一般  (BD07041Q)

タイトルに関連する用語 (5件)： PCA ,  スペクトル特徴 ,  最適化 ,  葉 ,  欠陥検出