ในการศึกษานี้ สามารถใช้กล้องไฮเปอร์สเปกตรัม 400-1000 นาโนเมตร และ FS13 ซึ่งเป็นผลิตภัณฑ์ของหางโจว CHNSpec Technology Co., Ltdสามารถใช้สำหรับการวิจัยที่เกี่ยวข้องช่วงสเปกตรัมคือ 400-1000nm และความละเอียดของความยาวคลื่นดีกว่า 2.5nm สูงถึง 1200
สองช่องสเปกตรัมความเร็วในการรับสามารถเข้าถึง 128FPS ในสเปกตรัมทั้งหมด และสูงสุดหลังจากเลือกแบนด์คือ 3300Hz (รองรับการเลือกแบนด์หลายภูมิภาค)
ข้าวฟ่างเป็นหนึ่งในพืชอาหารที่สำคัญในประเทศจีน เนื่องจากธัญพืชมีสารอาหารที่อุดมไปด้วยในอุตสาหกรรมไวน์จึงมี "ไวน์ที่ดีไม่สามารถแยกออกจากเม็ดสีแดง" การตัดสินที่เฉียบแหลม ความต้องการต่อปีสูงถึง 20 ล้านตันปัจจุบัน ข้าวฟ่างไวน์พันธุ์หลัก ได้แก่ Luzhou Red, Qinghuyang, Runuo No. 7 และข้าวฟ่างข้าวเหนียวอื่นๆ ที่มีปริมาณแป้งสูงเนื่องจากมีข้าวฟ่างหลายชนิดและพื้นที่การผลิตที่แตกต่างกัน ปริมาณแป้ง โปรตีน ไขมัน และแทนนินในเมล็ดข้าวจึงแตกต่างกันมาก ซึ่งนำไปสู่ความแตกต่างอย่างมากในรสชาติ รูปแบบ คุณภาพ และผลผลิตของสุราจะเห็นได้ว่าการระบุพันธุ์ข้าวฟ่างที่ถูกต้องและมีประสิทธิภาพก่อนการเก็บเป็นชุดของวัตถุดิบข้าวฟ่างมีความสำคัญอย่างยิ่งในการชี้นำการผลิตสุราคุณภาพสูง ซึ่งสามารถควบคุมกระบวนการผลิต เช่น เวลาในการต้มเมล็ดพืช ปริมาณการใช้น้ำและการนึ่งเมล็ดข้าวในระหว่างกระบวนการผลิตวิธีการระบุแบบดั้งเดิมส่วนใหญ่ประกอบด้วยการระบุเชิงประจักษ์ด้วยตนเองและการตรวจหาตัวอย่างทางชีวภาพแบบแรกอยู่ภายใต้อิทธิพลส่วนตัว ประสิทธิภาพต่ำ และยากที่จะสร้างมาตรฐานที่เป็นเอกภาพ ในขณะที่แบบหลังยุ่งยาก ใช้เวลานาน และลำบากทั้งสองอย่างนี้ไม่สามารถตอบสนองความต้องการของผู้ประกอบการสุราสมัยใหม่ในการระบุข้าวฟ่างได้ ดังนั้นจึงเป็นเรื่องเร่งด่วนที่จะต้องหาวิธีจำแนกและตรวจหาความหลากหลายของข้าวฟ่างที่รวดเร็ว แม่นยำ และเรียบง่ายวัตถุประสงค์ของการศึกษานี้คือเพื่อจำแนกพันธุ์ข้าวฟ่าง 11 สายพันธุ์โดยการรวมข้อมูลสเปกตรัมและข้อมูลรูปภาพ และระบุพันธุ์ข้าวฟ่างที่แตกต่างกันโดยปรับเทคโนโลยีไฮเปอร์สเปกตรัมและวิธีการเรียนรู้ของเครื่องให้เหมาะสมผ่านการเปรียบเทียบและการตรวจสอบภายนอก เพื่อปรับปรุงความแม่นยำและประสิทธิภาพในการนำไปใช้
เส้นโค้งสเปกตรัมดั้งเดิมของตัวอย่าง 550 ตัวอย่างจากข้าวฟ่าง 11 ประเภทและเส้นโค้งสเปกตรัมหลังการปรับสภาพ MSC แสดงอยู่ในรูปที่ 1 แต่ละสีแสดงถึงหมวดหมู่ที่แตกต่างกัน
ในบทความนี้ ศึกษาการจำแนกข้าวฟ่าง 11 สายพันธุ์โดยอาศัยการผสมผสานของสเปกตรัมไฮเปอร์สเปกตรัมและข้อมูลภาพรวบรวมภาพไฮเปอร์สเปกตรัมของข้าวฟ่าง เลือกความยาวคลื่นคุณลักษณะ 48 รายการจากสเปกตรัมหลังจากการประมวลผลล่วงหน้าของ MSC โดยอัลกอริทึม SPA จากนั้นจึงแยกคุณลักษณะพื้นผิวของภาพแบบจำลองการจัดประเภท SVM, PLS-DA และ ELM ถูกสร้างขึ้นตามคุณลักษณะของพื้นผิว สเปกตรัมทั้งหมด สเปกตรัมของคุณลักษณะ และข้อมูลภาพที่รวมกันตามลำดับสุดท้าย ข้อมูลที่ไม่เกี่ยวข้องกับการสร้างแบบจำลองถูกใช้สำหรับการตรวจสอบภายนอกผลลัพธ์แสดงว่าแบบจำลองการจัดประเภท SVM ตามการผสมผสานระหว่างฟีเจอร์สเปกตรัมและฟีเจอร์พื้นผิวมีผลดีที่สุดอัตราการจดจำที่ถูกต้องของชุดทดสอบคือ 95.3% และความแม่นยำของชุดการตรวจสอบคือ 91.8%การรวมกันของสเปกตรัมที่มองเห็นได้และภาพที่มองเห็นได้อย่างมีประสิทธิภาพสามารถรับรู้การรับรู้อย่างรวดเร็วของข้าวฟ่างไวน์ และปรับปรุงความแม่นยำในการจดจำของแบบจำลองสิ่งนี้ให้พื้นฐานทางทฤษฎีสำหรับการตรวจจับวัตถุดิบการหมักที่แตกต่างกันและการทำให้ระบบอัตโนมัติในการกลั่นเบียร์เป็นจริง