ในการศึกษานี้ สามารถใช้กล้องไฮเปอร์สเปกตรัม 400-1000 นาโนเมตร และผลิตภัณฑ์ของ Hangzhou Color Spectrum Technology Co., LTD
FS13 ดำเนินการวิจัยที่เกี่ยวข้องช่วงสเปกตรัมคือ 400-1000nm และความละเอียดความยาวคลื่นดีกว่า 2.5nm สูงถึง 1200
ช่องสเปกตรัมสองช่องความเร็วในการรับข้อมูลสูงถึง 128FPS ในสเปกตรัมเต็ม สูงสุด 3300Hz หลังจากเลือกแบนด์ (รองรับหลายโซน
การเลือกแบนด์โดเมน)
ด้วยการส่งเสริมกลยุทธ์เมล็ดมันฝรั่งหลักในประเทศจีน ห่วงโซ่อุตสาหกรรมที่เกี่ยวข้องกับมันฝรั่งได้รับการพัฒนาอย่างรวดเร็ว และคุณภาพของมันฝรั่งก็กลายเป็นประเด็นร้อนอย่างไรก็ตาม ข้อบกพร่อง เช่น ผิวสีเขียวและความเสียหายทางกลส่งผลกระทบร้ายแรงต่อปริมาณมันฝรั่งโดยรวม โดยเฉพาะอย่างยิ่งรูปร่างที่ซับซ้อนของมันฝรั่งผิวสีเขียว ข้อบกพร่องนั้นระบุได้ยากและเพิ่มความยากลำบากในการตรวจจับในเวลาเดียวกันหากปริมาณโซลานินในมันฝรั่งเขียวเกินมาตรฐานที่กินได้ จะทำให้เกิดอาหารเป็นพิษและทำให้เกิดปัญหาด้านความปลอดภัยของอาหารได้ดังนั้นจึงมีความสำคัญอย่างยิ่งที่จะต้องศึกษาวิธีการตรวจจับที่รวดเร็วและไม่ทำลายสำหรับการแปรรูปมันฝรั่งแบบลึกและการขยายห่วงโซ่อุตสาหกรรมมันฝรั่ง
เทคโนโลยีการถ่ายภาพไฮเปอร์สเปกตรัมมีข้อดีของช่วงแถบความถี่กว้าง และสามารถรับข้อมูลภาพและสเปกตรัมในช่วงแถบความถี่ที่สอดคล้องกันของตัวอย่างที่ทดสอบในเวลาเดียวกัน ดังนั้นจึงมีการใช้กันอย่างแพร่หลายในการทดสอบผลิตภัณฑ์ทางการเกษตรแบบไม่ทำลายอย่างรวดเร็วเพื่อที่จะแก้ปัญหาที่มันฝรั่งที่มีผิวสีเขียวอ่อนนั้นไม่สามารถจดจำได้ง่ายภายใต้ตำแหน่งที่กำหนด จึงได้ใช้เทคนิคการถ่ายภาพไฮเปอร์สเปกตรัมแบบกึ่งส่งผ่านและแบบสะท้อนเพื่อเปรียบเทียบและวิเคราะห์ และกำหนดความแม่นยำในการจดจำแบบจำลองภายใต้วิธีการถ่ายภาพไฮเปอร์สเปกตรัมที่แตกต่างกัน .ภาพไฮเปอร์สเปกตรัมแบบกึ่งส่งผ่านและภาพไฮเปอร์สเปกตรัมแบบสะท้อนของตัวอย่างมันฝรั่งถูกรวบรวมที่ตำแหน่งใดก็ได้ และแบบจำลองการตรวจจับตามข้อมูลภาพและข้อมูลสเปกตรัมถูกสร้างขึ้นตามลำดับ และเปรียบเทียบอัตราการรู้จำของแบบจำลองต่างๆสร้างโมเดลฟิวชั่นภาพและสเปกตรัมเพิ่มเติม หรือโมเดลฟิวชั่นภาพต่างๆ เพื่อปรับปรุงประสิทธิภาพของโมเดล และสุดท้ายก็กำหนดโมเดลที่เหมาะสมที่สุด
(1) มีการเปรียบเทียบความแม่นยำของแบบจำลองการรู้จำข้อมูลภาพด้วยวิธีการถ่ายภาพไฮเปอร์สเปกตรัมที่แตกต่างกันอัตราการรู้จำของการทำแผนที่ภาพสามมิติรวมกับโมเดลเครือข่ายความเชื่อเชิงลึกที่อิงตามข้อมูลภาพแบบกึ่งส่งคือเพียง 78.67%อัตราการรับรู้ของการขยายความแปรปรวนสูงสุดรวมกับโมเดลเครือข่ายความเชื่อเชิงลึกตามข้อมูลภาพที่สะท้อนคือเพียง 77.33%ผลการวิจัยพบว่าความแม่นยำในการตรวจจับมันฝรั่งสีเขียวอ่อนด้วยข้อมูลภาพเดี่ยวไม่สูงนัก
(2) มีการเปรียบเทียบความแม่นยำของแบบจำลองการรู้จำข้อมูลสเปกตรัมด้วยวิธีการถ่ายภาพไฮเปอร์สเปกตรัมที่แตกต่างกันอัตราการรับรู้ของการจัดเรียงพื้นที่แทนเจนต์ในพื้นที่รวมกับโมเดลเครือข่ายความเชื่อเชิงลึกโดยอิงตามข้อมูลสเปกตรัมกึ่งการส่งผ่านคือสูงสุด 93.33%อัตราการรู้จำของการจัดเรียงเชิงพื้นที่แทนเจนต์ในท้องถิ่นรวมกับแบบจำลองเครือข่ายความเชื่อเชิงลึกโดยอิงตามข้อมูลสเปกตรัมการสะท้อนแสงสูงถึง 90.67%ผลการวิจัยพบว่ามีความเป็นไปได้ที่จะใช้ข้อมูลสเปกตรัมเดี่ยวเพื่อตรวจจับมันฝรั่งสีเขียวอ่อน แต่อัตราการรู้จำจำเป็นต้องได้รับการปรับปรุงเพิ่มเติม
(3) มีการเปรียบเทียบอิทธิพลของวิธีการผสมข้อมูลหลายแหล่งสามวิธีต่อความแม่นยำในการจดจำความแม่นยำของแบบจำลองฟิวชั่นทั้งสามแบบของภาพกึ่งส่งผ่านและสเปกตรัมกึ่งส่งผ่าน ภาพสะท้อนและสเปกตรัมการสะท้อน สเปกตรัมกึ่งส่งผ่านและสเปกตรัมการสะท้อนนั้นสูงกว่าของภาพเดียวหรือแบบจำลองสเปกตรัม และแบบจำลองฟิวชั่นเครือข่ายความเชื่อลึกของ สเปกตรัมแบบกึ่งส่งและสเปกตรัมการสะท้อนนั้นดีที่สุด และอัตราการรับรู้ของชุดแก้ไขและชุดทดสอบคือ 100%ผลการวิจัยพบว่าแบบจำลองฟิวชั่นของสเปกตรัมกึ่งการส่งผ่านและสเปกตรัมการสะท้อนสามารถทดสอบมันฝรั่งผิวสีเขียวอ่อนโดยไม่ทำลายได้