The potential of a Vis-NIR (400e100

The potential of a Vis-NIR (400e1000 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, con-
firming the feasibility of hyperspectral imaging to classify fresh shrimps and those after cold storing or
freezing

ผลลัพธ์ (ไทย) 2:

ที่มีศักยภาพของ Vis-NIR (400e1000 นาโนเมตร) ระบบการถ่ายภาพ Hyperspectral
ถูกตรวจสอบในการแยกแยะสด(F) เย็นเก็บไว้ (CS) และแช่แข็งละลาย (FT) ปอกเปลือกกุ้ง (Metapenaeus ensis)
ในการตรวจสอบหรือห้ามใช้แทนผิดกฎหมายและผลิตภัณฑ์ที่เรียกไม่ถูกจากตลาด ในการศึกษานี้แปดคุณลักษณะความยาวคลื่น (783, 689, 435, 416, 813, 639, 452 และ 478 นาโนเมตร) ถูกสกัดโดยตัวแปร uninformative กำจัด (UVE) ตามสี่เหลี่ยมอย่างน้อยบางส่วน (PLS) ด้วยวิธีการคาดการณ์ต่อเนื่อง (สปา) จากตัวแปรทั้ง ในขณะที่ระดับสีเทาเมทริกซ์ร่วมเกิดขึ้น (GLCM) ถูกนำมาใช้ในการสกัดครั้งแรกที่สามองค์ประกอบหลัก(พีซี) ภาพที่อธิบายได้มากกว่า 99% ของความแปรปรวนของสเปกตรัมทุกวงดนตรี ข้อมูลสเปกตรัมและเนื้อสัมผัสร่วมกันสำหรับการเลือกปฏิบัติ ป่าสุ่ม (RF) และอ่อนนุ่มการสร้างแบบจำลองที่เป็นอิสระจากการเปรียบเทียบระดับ(SIMCA) จําแนกถูกนำมาใช้ในการแยกแยะ F งานและ FT กุ้งขึ้นอยู่กับ (1) ข้อมูลสเปกตรัมทั้งหมด (2) ข้อมูลสเปกตรัมที่ดีที่สุด (3) ข้อมูลเนื้อสัมผัสและ (4) ความหลากหลายของข้อมูลสเปกตรัมเนื้อสัมผัสและดีที่สุด ขึ้นอยู่กับ (4) ผลความพึงพอใจที่ได้รับโดยใช้คลื่นความถี่วิทยุและ SIMCA ที่มีอัตราการจัดประเภทที่ถูกต้อง (CCRS) ของ 91.11% และ 88.89% ในชุดการทำนายตามลำดับจึงดูกระชับความเป็นไปได้ของการถ่ายภาพHyperspectral เพื่อจำแนกกุ้งสดและเหล่านั้นหลังจากที่หนาวเย็น การจัดเก็บหรือแช่แข็ง

ผลลัพธ์ (ไทย) 3:

ศักยภาพของ VIS NIR ( 400e1000 nm ) ระบบภาพ hyperspectral ศึกษาแยกแยะสด

( F ) เย็นเก็บไว้ ( c-s ) และแช่แข็งละลาย ( f-t ) เปลือกกุ้ง ( metapenaeus ensis ) เพื่อตรวจสอบหรือ
ห้ามผิดกฎหมายและผลิตภัณฑ์ปลอมแทนจากตลาด ในการศึกษานี้ ประกอบด้วย 8 ความยาวคลื่น
( 783 689 435 , 416 ครับผม , , ,และ 478 nm ) ถูกสกัดโดยการขจัดตัวแปร
uninformative ( uve ) ขึ้นอยู่กับกำลังสองน้อยที่สุดบางส่วน ( PLS ) ต่อเนื่องประมาณการขั้นตอนวิธี ( สปา ) จาก
ตัวแปรทั้งหมด ในขณะเดียวกัน , สีเทาระดับการเมทริกซ์ ( glcm ) ถูกนำมาใช้เพื่อแยกแรก
ส่วนประกอบหลักสาม ( ชิ้น ) ภาพที่อธิบายได้มากกว่า 99% ของความแปรปรวนของแถบสเปกตรัม
ทั้งหมดสเปกตรัมและเนื้อข้อมูล รวม สำหรับการเลือกปฏิบัติ สุ่มป่า ( RF ) และแบบอิสระนุ่ม
คลาสคล้ายคลึง ( ซิมก้า ) คำลักษณนามที่ใช้แบ่งแยก F , c-s f-t
และกุ้งตาม : ( 1 ) ข้อมูลสเปกตรัมทั้งหมด ( 2 ) ข้อมูลสเปกตรัมที่เหมาะสม ( 3 ) ข้อมูลเนื้อ และ ( 4 ) การรวมตัวของ
เนื้อเหมาะสมข้อมูลสเปกตรัม . ตาม ( 4 )พอใจผลที่ได้ใช้ RF และปทุมา
ด้วยอัตราการจำแนกถูกต้อง ( ccrs ) ร้อยละ 91.11 88.89 % ในการทำนายชุดตามลำดับ คอน -
ยืนยันความเป็นไปได้ของ hyperspectral ภาพแยกกุ้งสดและหลังจากเย็นจัดเก็บหรือ
จุดเยือกแข็ง