The potential of a Vis-NIR (400–100

The potential of a Vis-NIR (400–1000 nm) hyperspectral imaging system was investigated to discriminate fresh (F), cold-stored (C-S) and frozen-thawed (F-T) shelled shrimp (Metapenaeus ensis), to detect or prohibit illegally substituted and mislabeled products from the market. In this study, eight feature wavelengths (783, 689, 435, 416, 813, 639, 452 and 478 nm) were extracted by uninformative variable elimination (UVE) based on partial least squares (PLS) with successive projections algorithm (SPA) from the whole variables. Meanwhile, grey level co-occurrence matrix (GLCM) was applied to extract the first three principal components (PCs) images, which explained more than 99% of variances of all spectral bands. The spectral and textural data were combined for discrimination. Random forest (RF) and soft independent modeling of class analogy (SIMCA) classifiers were utilized to discriminate F, C-S and F-T shrimp based on: (1) whole spectral data, (2) optimal spectral data, (3) textural data, and (4) fusion of textural and optimal spectral data. Based on (4), satisfying results were obtained using RF and SIMCA with correct classification rates (CCRs) of 91.11% and 88.89% in the prediction sets, respectively, confirming the feasibility of hyperspectral imaging to classify fresh shrimps and those after cold storing or freezing.

ผลลัพธ์ (ไทย) 1:

ศักยภาพของ hyperspectral Vis-NIR (400 – 1000 nm) เป็นภาพระบบถูกสอบสวนถือพรรคถือพวกสด (F), เย็นเก็บ (C-S) และแช่แข็ง-thawed (F-T) ปลอกเปลือกให้หมดกุ้ง (Metapenaeus ensis), การตรวจสอบห้ามผิดกฎหมายเทียบเท่า และ mislabeled ผลิตภัณฑ์จากตลาด ในการศึกษานี้ 8 คุณลักษณะความยาวคลื่น (783, 689, 435, 416, 813, 639, 452 และ 478 nm) แยก โดยการ uninformative ตัวแปรตัดออก (UVE) ตามกำลังสองน้อยที่สุดบางส่วน (กรุณา) มีประมาณต่อเนื่องขั้นตอนวิธี (สปา) จากตัวแปรทั้งหมด ในขณะเดียวกัน เมตริกซ์เกิดร่วมระดับสีเทา (GLCM) ใช้แยกแรกสามรูปภาพส่วนประกอบหลัก (PCs) ซึ่งอธิบายมากกว่า 99% ของผลต่างของแถบสเปกตรัมทั้งหมด ข้อมูลสเปกตรัม และ textural ถูกรวมในการเลือกปฏิบัติ ป่าสุ่ม (RF) และแบบจำลองอิสระนุ่มของคลาส (SIMCA) เปรียบเทียบคำนามภาษาที่ใช้ถือพรรคถือพวก F, C-S และ F-T กุ้งตาม: ข้อมูลสเปกตรัม (1) ทั้งหมด ข้อมูลสเปกตรัม (2) ดีที่สุด ข้อมูล (3) textural และ (4) เสนอข้อมูลสเปกตรัม textural และเหมาะสม ตาม (4), ความพึงพอใจผลได้รับใช้ RF และ SIMCA ราคาถูกประเภท (CCRs) 91.11% และ 88.89% ในชุดทำนาย ตามลำดับ ยืนยันความเป็นไปได้ของ hyperspectral ภาพในการจัดประเภทกุ้งสดและที่หลังเย็นเก็บไว้ หรือแช่แข็ง

ผลลัพธ์ (ไทย) 2:

ศักยภาพของการ Vis-NIR (400-1000 นาโนเมตร) ระบบการถ่ายภาพ Hyperspectral ถูกตรวจสอบในการแยกแยะสด (F) เย็นเก็บไว้ (CS) และแช่แข็งละลาย (FT) ปอกเปลือกกุ้ง (Metapenaeus ensis) ในการตรวจสอบหรือห้ามผิดกฎหมาย ผลิตภัณฑ์ทดแทนและเรียกไม่ถูกจากตลาด ในการศึกษานี้แปดความยาวคลื่นคุณลักษณะ (783, 689, 435, 416, 813, 639, 452 และ 478 นาโนเมตร) ถูกสกัดโดยการกำจัดตัวแปร uninformative (UVE) ตามสี่เหลี่ยมอย่างน้อยบางส่วน (PLS) ด้วยวิธีการคาดการณ์ต่อเนื่อง (สปา) จาก ตัวแปรทั้ง ในขณะที่ระดับสีเทาเมทริกซ์ร่วมเกิดขึ้น (GLCM) ถูกนำมาใช้ในการสกัดครั้งแรกที่สามองค์ประกอบหลัก (พีซี) ภาพที่อธิบายได้มากกว่า 99% ของความแปรปรวนของวงสเปกตรัมทั้งหมด ข้อมูลสเปกตรัมและเนื้อสัมผัสร่วมกันสำหรับการเลือกปฏิบัติ ป่าสุ่ม (RF) และการสร้างแบบจำลองที่เป็นอิสระอ่อนของการเปรียบเทียบระดับ (SIMCA) จําแนกถูกนำมาใช้ในการแยกแยะ F งานและ FT กุ้งขึ้นอยู่กับ (1) ข้อมูลสเปกตรัมทั้งหมด (2) ข้อมูลสเปกตรัมที่ดีที่สุด (3) ข้อมูลเนื้อสัมผัสและ (4) ความหลากหลายของข้อมูลสเปกตรัมเนื้อสัมผัสและดีที่สุด ขึ้นอยู่กับ (4) ผลลัพธ์ที่น่าพอใจที่ได้รับโดยใช้คลื่นความถี่วิทยุและ SIMCA ที่มีอัตราการจัดประเภทที่ถูกต้อง (CCRS) ของ 91.11% และ 88.89% ในชุดการทำนายตามลำดับยืนยันความเป็นไปได้ของการถ่ายภาพ Hyperspectral เพื่อจำแนกกุ้งสดและเหล่านั้นหลังจากการจัดเก็บเย็นหรือ การแช่แข็ง

ผลลัพธ์ (ไทย) 3:

ศักยภาพของ VIS NIR ( 400 - 1000 nm ) ระบบภาพ hyperspectral ศึกษาแบ่งแยกสด ( F ) , เย็นเก็บไว้ ( c-s ) และแช่แข็งละลาย ( f-t ) เปลือกกุ้ง ( metapenaeus ensis ) ตรวจจับ หรือห้ามใช้ผลิตภัณฑ์ปลอมอย่างผิดกฎหมาย และจากตลาด ในการศึกษานี้ แปดมีความยาวคลื่น ( 783 689 435 , 416 ครับผม , , ,และ 478 nm ) ถูกสกัดโดยการขจัดตัวแปรที่ไม่ได้ให้ ( uve ) ขึ้นอยู่กับกำลังสองน้อยที่สุดบางส่วน ( PLS ) ต่อเนื่องประมาณการขั้นตอนวิธี ( สปา ) จากตัวแปรทั้งหมด ในขณะเดียวกัน , สีเทาระดับการเมทริกซ์ ( glcm ) ถูกนำมาใช้เพื่อแยกแรกสามหลักองค์ประกอบภาพ ( พีซี ) ซึ่งอธิบายได้มากกว่า 99% ของความแปรปรวนของแถบสเปกตรัมทั้งหมดสเปกตรัมและเนื้อข้อมูล รวม สำหรับการเลือกปฏิบัติ สุ่มป่า ( RF ) และแบบอิสระนุ่มคลาสคล้ายคลึง ( ซิมก้า ) ลักษณนามใช้แบ่งแยก F , c-s f-t และกุ้งตาม : ( 1 ) ข้อมูลสเปกตรัมทั้งหมด ( 2 ) ข้อมูลสเปกตรัมที่เหมาะสม ( 3 ) ข้อมูลเนื้อ และ ( 4 ) การเนื้อที่ข้อมูลสเปกตรัม . ตาม ( 4 )พอใจผลที่ได้ใช้ RF และปทุมา ด้วยอัตราการจำแนกถูกต้อง ( ccrs ) ร้อยละ 91.11 88.89 ในการคาดการณ์ชุด ตามลำดับ การยืนยันความเป็นไปได้ของภาพ hyperspectral แยกกุ้งสดและผู้จัดเก็บหลังจากเย็นหรือแช่แข็ง