Көптеген ет өнімдерінің ішінде сиыр етін көптеген тұтынушылар өздерінің жоғары ақуыз, майлы, жоғары майы, жоғары витамині, жоғары витамині және минералды құрамы, олар қазіргі заманғы адамдардың ет үшін тамақтану қажеттіліктерін қанағаттандырады. Адамдардың өмір сүру қарқыны тездетілгендіктен, дәстүрлі пісірілген сиыр еті супермаркеттер мен деликатестерде ортақ тағамға айналды, сонымен қатар сұраныс пен сату көлемі де артып келеді. Алайда, нақты өмірде базарда сатылатын пісірілген сиыр етінің көп бөлігі үйіндіде, ал ол жоғары ақуызға және судың жоғары мөлшеріне бай, сондықтан микроорганизмдерді өсіру өте оңай және оны төмен температурада сақтау өте оңай. Сондықтан, сиыр етінің сапалы және тиімді стандарттары мен жүйелеріне сүйене отырып, сиыр етінің қауіпсіздігін бағалау әдістерін іздеудің ақылға қонымды және тиімді стандарттары негізінде сиыр етінің даму бағыты үшін басымдыққа ие болды.
Гиперспектральды суреттер, сонымен қатар гиперкубтар деп аталатын, екі өлшемді кеңістіктік кескіндер (x, y, λ) екі өлшемді кеңістіктік кескіндер (x, y), үздіксіз толқын ұзындығынан тұрады. Төмендегі суретте көрсетілгендей, Hypersponegry, гиперсифтік кескіннің мәліметтері (x, y, λ) - екі өлшемді кескіндерден тұратын үш өлшемді деректер блогы (x, y); Екі өлшемді деректер тұрғысынан (x, y), гиперсифтік - бұл спектрлік қисықтардың сериясы. HSI технологиясын қолдану қағидасы сіңіру, шағылысу, шашырау, жарықтың сіңіру, электромагниттік энергия және ішкі химиялық құрамы мен ішкі химиялық құрамы мен сыртқы физикалық сипаттамалары сынақтан өткізіліп, әр түрлі сандық сигнал сипаттамаларына әкеледі. Мысалы, шыңы мен алқабының мәні (спектрлік саусақ іздері) әр түрлі толқын ұзындығы бойынша сіңіру әр түрлі қосылыстардың физикалық қасиеттерін көрсете алады, сондықтан гипершемалды ақпаратты талдау арқылы азық-түлік сапасына сапалы немесе сандық талдауға қол жеткізуге болады, яғни Азық-түлік сапасын деструктивті тестілеу.
(1) TVC ROI және спектр шығарыңыз
TVC үлгісі үшін, қара және ақ түзетулер таңдалғаннан кейін гиперсифтік кескіннің 0-ге жуық топтамалық кескіні таңдалды. Таңдалған
Пісірілген сиыр еті зерттелмеген кескін белгілі бір топтаманың спектрлік орташа мәнін алу үшін белгілі бір спектрдің астында орташа дайындалған. Бұл қадам іске асырылды
ENNI 5.1 бағдарламалық жасақтама ENNI 5.1-де, негізінен Envi бағдарламалық жасақтамасының ROI құралдары арқылы.
Төмендегі суретте TVC пісірілген сиыр етінің ROI аумағын Envi5.1 және алынған спектрлік мәні көрсетілген.
(2) TVB-N ROI және спектр шығарыңыз
ROI аймағын өндіру процесі алдыңғы абзацтағы TVC үлгі деректерімен бірдей. Сондай-ақ, 50px * 50px-тің ROI аймағы TVB-N сиыр еті үлгісін болжау үшін алынды. Пісірілген сиыр етінің екі партиясының спектрлік қисықтарында белгілі бір айырмашылықтар бар (DAOXIGIANGCUN-дің екі партиясы сиыр етіне арналған екі партия), олар ұзақ аралықпен сатып алынды, бұл әр түрлі сиырдың сорттарынан туындауы мүмкін. . Сол сияқты, TVB-N пісген сиыр еті үшін бұл қадам бағдарламалық жасақтама Enviers Annin5.1 бағдарламасында да орындалады.
Төмендегі суретте TVB-N ENVI5.1 ROI аумағын өндіру және үлгінің спектрлік мәнін алу көрсетілген.
Спектральды өңдеу нәтижелері
Пісірілген сиыр етінің үлгісі TVC алдын-ала өңделді (SG тегістеу, векторлық қалыпқа келтіру және SNV қайта құру тәртібімен). Көрсеткіш ақпараттың түпнұсқа спектрі және спектрді алдын-ала өңдеу нәтижесі төмендегі суретте көрсетілген.
Алдыңғы абзацтағы TVC алдын-ала дайындалған сиыр еті үшін қолданылатын бірдей алдын-ала өңдеу әдісі TVB-N мәнін болжау үшін үлгідегі гиперсе мәліметтерінің спектрлік ақпаратын алдын-ала өңдеу үшін қолданылады. Түпнұсқа спектр және алдын-ала өңдеуден кейінгі спектр төмендегі суретте көрсетілген:
Прецептураға дейін және одан кейін спектрлік деректер үшін векторлық регрессия (SVR) бойынша он есе тексерілген моделі құрылды. Үлгі өнімділігі кестеде көрсетілген және модельдеу нәтижелері суретте көрсетілген. Бұл әдіс TheunsCrambler x10.4 мультивалық деректерді талдау бағдарламасында жүзеге асырылады. SVR әдісі және оның үлгілік көрсеткіштері 4.1 бөлімінде енгізіледі және осы жерде егжей-тегжейлі сипатталмайды.
Кестеден көрінетіндей, алдын-ала өңдеуші спектрлер белгілеген екі индикатордың болжамдық модельдерінің өнімділігі белгілі бір дәрежеде жақсарды. TVC-ге болжау моделінің R тиімділігі коэффицференция коэффициенті 16 пайыздық тармаққа өсті, ал TVB-N болжамдастыру моделінің Ristrelation коэффициенті 9 пайыздық тармаққа өсті. Бұл спектрлік өңдеудің қажеттілігін тексереді, сондықтан келесі талдау алдын-ала өңделген деректерді пайдаланады.
Жиынтық және болжам
Пісірілген ет өнімдерінің сергектіктерін тез және бұзбауына қол жеткізу үшін, бұл қағаз дайындалған сиыр етін зерттеу объектісі ретінде қолданады және гипершиялық бейнелеу технологиясын қолданады және гиперспентті бейнелеу технологиясын дайындайды, ол пісірілген сиыр етінің балғындығы үшін гиперспектралды бейнелеу технологиясын қолданады. Сақтау кезінде пісірілген сиыр етінің балғындығы мен пісірілген сиыр етінің балғындағы өзгерістер зерттелді, және TVB-n-ге қатысты Microbial Index және TVB-N мәндер анықталды. Зерттеудің нақты тұжырымдары келесідей: пісірілген сиыр етінің балғындығын анықтау үшін гипершистикалық бейнелеу технологиясын қолдану мүмкіндігі зерттелді, ал сақтау кезінде пісірілген сиыр етінің жаңа сергектік индексі және TVB-N VERGENT ... СВР болжау моделінің өнімділігі (он есе крест тексерісін қолдану) спектральды мәліметтерді алдын-ала алдын-ала өңдеуге дейін және одан кейін салынған және алдын-ала өңделген мәліметтер жиынтығымен салынған болжам моделі жақсы нәтиже көрсетті; Бөлінген бөлу әдісі зерттелді. Әр түрлі үлгіні бөлу әдістерімен жасалған жаттығу жиынтығы және сынақ жиынтығы модельденді және талданды, ал ақырында жаттығу жиынтығы және SPECS SET SET SET SET SET SET SET SET SET SET SET SET SET SET SET SET SET SET SET SET SETDING SET SEART SETDERD таңдалды.
