文献

J-GLOBAL ID：202202232184242722   整理番号：22A0837012

アーキテクチャ自己探索深層ネットワークと結合したハイパースペクトルイメージングからの有効波長の単色画像を用いた赤かび病により損傷したコムギ穀粒の定量【JST・京大機械翻訳】

Determination of wheat kernels damaged by Fusarium head blight using monochromatic images of effective wavelengths from hyperspectral imaging coupled with an architecture self-search deep network

著者 (7件)： Yipeng Lv (National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, 111 Jiulong Road, Hefei, China) ,  Wenbing Lv (National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, 111 Jiulong Road, Hefei, China) ,  Kaixuan Han (National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, 111 Jiulong Road, Hefei, China) ,  Wentao Tao (National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, 111 Jiulong Road, Hefei, China) ,  Ling Zheng (National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, 111 Jiulong Road, Hefei, China) ,  Shizhuang Weng (National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, 111 Jiulong Road, Hefei, China) ,  Linsheng Huang (National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, 111 Jiulong Road, Hefei, China)
資料名： Food Control  (Food Control)
巻： 135  ページ： Null  発行年： 2022年 
JST資料番号： W0246A  ISSN： 0956-7135  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： 赤かび病(FHB)により損傷したコムギ穀粒は水分,蛋白質および澱粉を失い,危険な毒素を運ぶ。損傷の程度の分類は,コムギ穀粒の使用をカスタマイズし,財政損失を減らし,穀物安全性を確実にするのに役立つ。本研究では,ハイパースペクトルイメージング(HSI)および深層学習ネットワークを,音,軽度,中程度および重度に損傷したコムギ穀粒を決定するために調査した。有効波長(EWs)を,ReliefF,非情報的変数除去,ランダムカエルおよびシャッフルカエル跳躍アルゴリズムによるHSI画像の反射率分光法から選択し,EWsの異なる組合せの単色画像を,アーキテクチャ自己探索深層ネットワーク(ASSDN)と組み合わせた分類モデルを開発するために採用した。ASSDNおよび941,876および732nmからなる画像は,訓練および予測セットにおいて,それぞれ,100%および98.31%の平均精度を有する最良の決定を達成し,他の画像または方法を凌駕した。そして,0.9985の曲線下面積は,その優れたロバスト性を示した。散発性波長の画像を用いて,計算および操作複雑性は明らかに減少し,FHB損傷コムギ穀粒の実用的認識のために,簡単で特注の装置を容易に設計することができた。一方,ASSDNは,それ自身によって高性能分類ネットワークを生成し,最適化することができ,それは,ユーザに優しいものであり,そして,深いネットワークの応用可能性を大きく拡大した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  反射率 ,  安全性 ,  *ネットワーク ,  *波長 ,  *コムギ ,  タンパク質 ,  澱粉 ,  毒素 ,  水分 ,  *画像処理 ,  *穀粒 ,  *計算機アーキテクチャ
準シソーラス用語： *ハイパースペクトル , 【Automatic Indexing@JST】

著者キーワード (5件)： コムギ ,  ハイパースペクトルイメージング ,  赤かび病 ,  深層学習 ,  アーキテクチャ自己探索

分類 (2件)： 食品の汚染  (FJ01053P) ,  穀類とその製品一般  (FJ04010T)

タイトルに関連する用語 (10件)： アーキテクチャ ,  自己 ,  探索 ,  深層 ,  単色画像 ,  赤かび病 ,  損傷 ,  コムギ ,  穀粒 ,  定量