5
當(dāng)前位置：北京理加聯(lián)合科技有限公司>>技術(shù)文章>>Resonon | 基于深度學(xué)習(xí)和高光譜圖像估算車?yán)迩芽扇苄怨绦挝锖考坝捕?/a>
Resonon | 基于深度學(xué)習(xí)和高光譜圖像估算車?yán)迩芽扇苄怨绦挝锖考坝捕?/h1>
車?yán)遄樱嘈糯蠹叶疾荒吧?，畢?ldquo;車?yán)遄幼杂?rdquo;曾經(jīng)也是風(fēng)靡一時的網(wǎng)絡(luò)熱詞。但是車?yán)迩咽鞘裁茨?車?yán)遄拥淖兎N？車?yán)遄雍颓炎拥慕Y(jié)合？空想不如實干，看看度娘怎么說......
嚯，原來車?yán)迩丫褪浅Ｒ姷男》?！另外，小加還了解到車?yán)迩押胸S富的維他命和十分高的鐵質(zhì)含量，不僅有美容功效，還可以預(yù)防出現(xiàn)貧血，可謂是值得多次購買的營養(yǎng)好物。但是購買時，我們只能通過樸素的雙眼判斷其好壞，如果從專業(yè)性的角度出發(fā)，該如何評估車?yán)迩训馁|(zhì)量呢？答案就在下面這篇論文里，快一起來看看吧！
基于深度學(xué)習(xí)和高光譜圖像估算車?yán)迩芽扇苄怨绦挝锖考坝捕?/span>
車?yán)迩眩⊿olanum lycopersicum）因其特殊的香味深受世界各地消費者喜愛。可溶性固形物（SSC）和硬度是評估產(chǎn)品質(zhì)量的兩個主要指標(biāo)?，F(xiàn)存的測量技術(shù)主要依賴于化學(xué)方法。然而，這種破壞性的方法不適用于大面積的測量。高光譜成像技術(shù)可以同時獲取光譜信息和空間信息，已廣泛應(yīng)用于各個領(lǐng)域，如植物病害脅迫檢測、工業(yè)食品包裝、醫(yī)學(xué)圖像分類及水果質(zhì)量分析。
基于此，來自浙江工業(yè)大學(xué)和浙江省農(nóng)業(yè)科學(xué)院的研究人員選擇當(dāng)?shù)刂髁鞯能嚴(yán)迩眩╖heyingfen-1）為研究對象，測量其硬度和SSC，并基于高光譜圖像（PIKA XC 高光譜相機，Resonon Inc.，Bozeman，MT，USA）和相應(yīng)的深度學(xué)習(xí)回歸模型開發(fā)了無損式測量技術(shù)。
高光譜成像系統(tǒng)
【結(jié)果】
（A）校正的光譜反射率圖。（B）MSC預(yù)處理。（C）二階差分預(yù)處理。
每個模型的SSC估算結(jié)果。（A）小樣本數(shù)據(jù)的SVR估算結(jié)果。（B）大樣本數(shù)據(jù)的SVR估算結(jié)果。（C）小樣本數(shù)據(jù)的KNNR估算結(jié)果。（D）大樣本數(shù)據(jù)的KNNR估算結(jié)果。（E）小樣本數(shù)據(jù)的AdaBoostR估算結(jié)果。（F）大樣本數(shù)據(jù)的AdaBoostR估算結(jié)果。（G）小樣本數(shù)據(jù)的PLSR估算結(jié)果。（H）大樣本數(shù)據(jù)的PLSR估算結(jié)果。（I）小樣本數(shù)據(jù)的Con1dResNet估算結(jié)果。（J）大樣本數(shù)據(jù)的Con1dResNet估算結(jié)果。
大樣本數(shù)據(jù)集每個模型的硬度估算結(jié)果。
【結(jié)論】
本研究中，作者利用高光譜圖像提出了Con1dResNet深度學(xué)習(xí)模型來估算車?yán)迩训腟SC和硬度。相比傳統(tǒng)的機器學(xué)習(xí)方法，充足的樣本數(shù)量可以實現(xiàn)更好的結(jié)果。就SSC估算而言，其R2值為0.901，比PLSR高26.4%，其MSE為0.018，比PLSR低0.046。就硬度估算而言，其R2值為0.532，優(yōu)于PLSR33.7%。結(jié)果表明高光譜成像結(jié)合深度學(xué)習(xí)可以顯著提高車?yán)迩裇SC和硬度估算準(zhǔn)確性。
車?yán)遄樱嘈糯蠹叶疾荒吧?，畢?ldquo;車?yán)遄幼杂?rdquo;曾經(jīng)也是風(fēng)靡一時的網(wǎng)絡(luò)熱詞。但是車?yán)迩咽鞘裁茨?車?yán)遄拥淖兎N？車?yán)遄雍颓炎拥慕Y(jié)合？空想不如實干，看看度娘怎么說......
嚯，原來車?yán)迩丫褪浅Ｒ姷男》?！另外，小加還了解到車?yán)迩押胸S富的維他命和十分高的鐵質(zhì)含量，不僅有美容功效，還可以預(yù)防出現(xiàn)貧血，可謂是值得多次購買的營養(yǎng)好物。但是購買時，我們只能通過樸素的雙眼判斷其好壞，如果從專業(yè)性的角度出發(fā)，該如何評估車?yán)迩训馁|(zhì)量呢？答案就在下面這篇論文里，快一起來看看吧！
基于深度學(xué)習(xí)和高光譜圖像估算車?yán)迩芽扇苄怨绦挝锖考坝捕?/span>
車?yán)迩眩⊿olanum lycopersicum）因其特殊的香味深受世界各地消費者喜愛。可溶性固形物（SSC）和硬度是評估產(chǎn)品質(zhì)量的兩個主要指標(biāo)?，F(xiàn)存的測量技術(shù)主要依賴于化學(xué)方法。然而，這種破壞性的方法不適用于大面積的測量。高光譜成像技術(shù)可以同時獲取光譜信息和空間信息，已廣泛應(yīng)用于各個領(lǐng)域，如植物病害脅迫檢測、工業(yè)食品包裝、醫(yī)學(xué)圖像分類及水果質(zhì)量分析。
基于此，來自浙江工業(yè)大學(xué)和浙江省農(nóng)業(yè)科學(xué)院的研究人員選擇當(dāng)?shù)刂髁鞯能嚴(yán)迩眩╖heyingfen-1）為研究對象，測量其硬度和SSC，并基于高光譜圖像（PIKA XC 高光譜相機，Resonon Inc.，Bozeman，MT，USA）和相應(yīng)的深度學(xué)習(xí)回歸模型開發(fā)了無損式測量技術(shù)。
高光譜成像系統(tǒng)
【結(jié)果】
（A）校正的光譜反射率圖。（B）MSC預(yù)處理。（C）二階差分預(yù)處理。
每個模型的SSC估算結(jié)果。（A）小樣本數(shù)據(jù)的SVR估算結(jié)果。（B）大樣本數(shù)據(jù)的SVR估算結(jié)果。（C）小樣本數(shù)據(jù)的KNNR估算結(jié)果。（D）大樣本數(shù)據(jù)的KNNR估算結(jié)果。（E）小樣本數(shù)據(jù)的AdaBoostR估算結(jié)果。（F）大樣本數(shù)據(jù)的AdaBoostR估算結(jié)果。（G）小樣本數(shù)據(jù)的PLSR估算結(jié)果。（H）大樣本數(shù)據(jù)的PLSR估算結(jié)果。（I）小樣本數(shù)據(jù)的Con1dResNet估算結(jié)果。（J）大樣本數(shù)據(jù)的Con1dResNet估算結(jié)果。
大樣本數(shù)據(jù)集每個模型的硬度估算結(jié)果。
【結(jié)論】
本研究中，作者利用高光譜圖像提出了Con1dResNet深度學(xué)習(xí)模型來估算車?yán)迩训腟SC和硬度。相比傳統(tǒng)的機器學(xué)習(xí)方法，充足的樣本數(shù)量可以實現(xiàn)更好的結(jié)果。就SSC估算而言，其R2值為0.901，比PLSR高26.4%，其MSE為0.018，比PLSR低0.046。就硬度估算而言，其R2值為0.532，優(yōu)于PLSR33.7%。結(jié)果表明高光譜成像結(jié)合深度學(xué)習(xí)可以顯著提高車?yán)迩裇SC和硬度估算準(zhǔn)確性。