2.5. Hyperspectral data-cube analys

2.5. Hyperspectral data-cube analysis
2.5.1. Modeling
For each mango slice, the mean relative reflectance spectrum
was extracted by averaging the spectral signals of all pixels. All
mean spectra without any spectral pretreatments were used for
subsequent analysis. The relationship between the mean spectra
obtained and the reference moisture contents were established
by partial least squares (PLS) regression. PLS is a linear regression
approach widely used in multivariate analysis. The outstanding
property of PLS is to relate one or several responses Y to a large
number of dependent variables X that can be correlated (Liu,
Sun, & Zeng, 2013). In the current study, PLS models performing
in full-range wavebands and selected wavebands were developed.
The robustness of the developed PLS models for calibration,
cross-validation and prediction was characterized by R2 and RMSE

ผลลัพธ์ (ไทย) 1:

2.5. Hyperspectral ลูกบาศก์ข้อมูลวิเคราะห์2.5.1 การสร้างโมเดลสำหรับแต่ละชิ้นมะม่วง สเปกตรัมหมายถึงญาติแบบสะท้อนแสงถูกสกัด โดยหาค่าเฉลี่ยสัญญาณสเปกตรัมของพิกเซลทั้งหมด ทั้งหมดหมายถึง แรมสเป็คตรา โดยใช้ pretreatments สเปกตรัมใด ๆ สำหรับการวิเคราะห์ภายหลัง ความสัมพันธ์ระหว่างแรมสเป็คตราหมายถึงได้รับ และเนื้อหาการอ้างอิงความชื้นก่อโดยถดถอยบางส่วนกำลังสองน้อยสุด (กรุณา) กรุณาคือการถดถอยเชิงเส้นวิธีที่ใช้ในการวิเคราะห์ตัวแปรพหุ โดดเด่นคุณสมบัติของกรุณาเป็นการ เชื่อมโยงอย่าง น้อยหนึ่งคำตอบ Y ขนาดใหญ่จำนวนตัวแปรขึ้นอยู่กับ X มี correlated (หลิวดวงอาทิตย์ และเซนเซง 2013) ในการศึกษาปัจจุบัน โมเดลกรุณา-ช่วง wavebands และ wavebands เลือกได้รับการพัฒนาเสถียรภาพของรุ่นกรุณาพัฒนาสำหรับปรับเทียบการตรวจสอบข้ามและทำนายถูกลักษณะ โดย R2 และ RMSE

ผลลัพธ์ (ไทย) 2:

2.5 Hyperspectral วิเคราะห์ข้อมูลลูกบาศก์
2.5.1 การสร้างแบบจำลองสำหรับแต่ละชิ้นมะม่วงสเปกตรัมสะท้อนเฉลี่ยญาติถูกสกัดโดยเฉลี่ยสัญญาณสเปกตรัมของพิกเซลทั้งหมด ทุกสเปกตรัมโดยไม่ต้องหมายถึงการเตรียมสเปกตรัมใด ๆ ที่ใช้ในการวิเคราะห์ที่ตามมา ความสัมพันธ์ระหว่างสเปกตรัมเฉลี่ยที่ได้รับและความชื้นอ้างอิงที่ถูกจัดตั้งขึ้นโดยสี่เหลี่ยมอย่างน้อยบางส่วน(PLS) ถดถอย PLS เป็นถดถอยเชิงเส้นวิธีการที่ใช้กันอย่างแพร่หลายในการวิเคราะห์หลายตัวแปร ยอดคงค้างทรัพย์สินของ PLS คือการที่เกี่ยวข้องกับการตอบสนองใดอย่างหนึ่งหรือหลาย Y ที่มีขนาดใหญ่จำนวนตัวแปร X ที่สามารถมีความสัมพันธ์ (หลิวซันและเซง2013) ในการศึกษาปัจจุบัน PLS รุ่นที่มีประสิทธิภาพในwavebands เต็มช่วง wavebands เลือกและได้รับการพัฒนา. ความแข็งแรงของการพัฒนารูปแบบ PLS สำหรับการสอบเทียบการตรวจสอบข้ามและการคาดการณ์ก็มีลักษณะR2 และ RMSE

ผลลัพธ์ (ไทย) 3:

2.5 hyperspectral การวิเคราะห์ข้อมูลคิวบ์
ดาวน์โหลด . แบบจำลอง
แต่ละชิ้นมะม่วง , หมายถึงญาติสะท้อนสเปกตรัม
ถูกสกัดโดยเฉลี่ยสัญญาณสเปกตรัมทั้งหมดของพิกเซล ทั้งหมดนี้ไม่มีการเต
หมายถึงการใช้สำหรับ
การวิเคราะห์ที่ตามมา ความสัมพันธ์ระหว่างค่าเฉลี่ยแสงและความชื้นได้อ้างอิง

เป็นตั้งขึ้นโดยกำลังสองน้อยที่สุดบางส่วน ( PLS ) การถดถอย กรุณาเป็น linear regression
วิธีการที่ใช้กันอย่างแพร่หลายในการวิเคราะห์ตัวแปรพหุ คุณสมบัติที่โดดเด่นของกรุณาเป็น
กับหนึ่งหรือหลายคำตอบ Y
ขนาดใหญ่จำนวนตัวแปรตาม X ที่สามารถมีความสัมพันธ์ ( หลิว
Sun , &เซง , 2013 ) ในการศึกษาปัจจุบัน , pls รูปแบบการแสดง
ใน wavebands เต็มช่วงและเลือก wavebands
ได้รับการพัฒนาความแข็งแกร่งของการพัฒนาแบบจำลองสำหรับการสอบเทียบกรุณาตรวจสอบ
ข้ามและมีลักษณะ และวิธีการพยากรณ์อาร์ทู