CHNSpec Technology （Zhejiang）Co.,Ltd chnspec@colorspec.cn 86-571-85888707-813
이 연구에서 400-1000nm 초광선 카메라가 적용되었으며, Hangzhou Color Spectrum Technology Co., LTD의 제품인 FS23는 관련 연구를 위해 사용될 수 있습니다.FigSpec® 시리즈 이미지 하이퍼 스펙트럼 카메라는 높은 분사 효율과 높은 민감성 표면 배열 카메라를 가진 전송 격자 빔 분열 모듈을 사용합니다., 내장 스캔 영상 및 보조 카메라 기술과 결합,전통적인 하이퍼 스펙트럼 카메라를 해결하려면 외부 푸시 스캔 영상 메커니즘과 복잡한 중점 및 다른 어려운 문제가 필요합니다.그것은 스펙트럼 이미지를 빠르게 획득하기 위해 표준 C 인터페이스 이미지 렌즈 또는 현미경과 직접 통합 될 수 있습니다.
정밀농업은 농업에서 낮은 소비, 높은 효율성, 높은 품질과 안전을 달성하는 중요한 방법입니다.쌀의 안정적인 수확과 높은 수확은 항상 우리 농업 생산의 초점이었습니다., 그리고 신속하고 효과적인 질병 통제는 안정적인 수확과 높은 수확을 달성하는 중요한 보증입니다. 쌀 잎 병은 쌀의 세 가지 주요 질병 중 하나입니다.쌀병의 초기 단계에서 손상된 작물의 원인과 손상의 정도가 발견될 수 있다면미세한 농업에서 가변적인 응용과 결합하면 쌀병 감염의 질병률을 효과적으로 줄일 수 있으며 피해 범위를 좁힐 수 있습니다.그리고 쌀 수확량은 효과적으로 증가할 수 있습니다.변수 적용은 주로 작물 해충 및 질병에 대한 정보에 따라 영향을받는 작물의 원인 및 손상 정도에 대한 적절한 진단을 의미합니다.그리고 적절한 질병 치료에 따라 화학 물질의 적용, 지역 조건과 수요에 따라 화학 물질의 사용을 줄이고 신속한 예방과 통제의 목적을 달성 할 수 있습니다.
이 연구에서, 초전광 영상 기술은 쌀 껍질 병을 인식하는 데 사용되었습니다.그리고 좋은 결과를 얻었습니다.SG, SNV 및 MSC 전처리 방법의 경우 예측 샘플 차별의 정확도는 각각 82.8%, 92.1% 및 89.1%였습니다.SNV 전처리 스펙트럼에 의해 설정 된 PLS-DA 모델은 가장 높은 정확도를 가지고 있습니다., SG 전처리 스펙트럼에 의해 설정 된 PLS-DA 모델은 가장 낮은 정확도를 가지고 있지만 정확도는 80% 이상이었습니다. 따라서이 세 가지 방법은 실행 가능합니다.MNF 특징 정보 추출에 기반한 LDA와 BPNN 차별 모델의 예측 세트의 정확도는 95입니다.각각 0.3% 및 98.4%로 모든 대역에 기반한 PLS-DA 모델보다 낫습니다. 세 가지 모델을 포괄적으로 비교한 후,MNF 특징 정보 추출에 기반한 BPNN 모델은 최적의 차별 효과를 달성합니다., 모델링 세트 및 예측 세트의 정확도는 각각 99.1% 및 98.4%입니다. 실험 결과는 하이퍼 스펙트럼 이미징 기술을 사용하여 쌀 곡물 썩을 것을 식별 할 수 있음을 보여줍니다.,그리고 MNF 알고리즘은 원래 스펙트럼을 표현하기 위해 특징 정보를 추출하는 데 사용될 수 있으며 계산 금액을 크게 줄일 수 있습니다.알고리즘은 쌀병의 신속한 인식과 모델링 과정에서 광범위한 응용 가능성을 가지고 있습니다..
