在水果检测中选择多光谱相机还是高光谱相机？
多光谱和高光谱成像是捕获光谱分辨率高于人类颜色感知的图像的两种主要方法。高光谱成像涉及狭窄的、通常是连续的光谱带，可能包括数百或数千个光谱，而多光谱成像涉及不同带宽的光谱带——不一定是连续的。多光谱成像可以被认为是高光谱成像的简化子集。这两种互补的技术不存在竞争关系，因此可根据实际应用需求在两者之间进行选择。
通常，当最终用户知道要在某些应用中识别或区分的对象的光谱特征时，大多选择多光谱成像。多光谱成像的方法各不相同。它们包括将带有单色相机、多带通滤波器、光谱仪、棱镜、滤光轮或可调滤波器的专用 LED 照明部署到机器视觉系统中。多个过滤器或专用传感器也可以与相机集成以进行光谱成像。
高光谱成像是一种收集综合光谱数据立方体的方法，可在土壤或植被遥感等应用中进行处理和分析。然而，这项技术已经从探索性的科学技术演变为能够适应不同类型的物质流和操作环境的技术。相关科研人员表示，如今，高光谱相机可以识别和帮助分类不同化学成分的材料，或测量材料的质量参数。例如，脂肪和蛋白质在 NIR 范围内具有非常独特的光谱特征，但无法在可见光范围内测量。而专门针对要求苛刻的工业应用的特殊相机提供了识别潜在异物并同时测量蛋白质和脂肪含量的能力。
水果检测
多光谱和高光谱成像技术都非常适合食品检测应用，但方式不同。机器视觉系统可以检查蓝莓、苹果或草莓等水果的质量。可以通过关注 RGB 和近红外 (NIR) 波段中的特定波段来完成此类任务。
在可见光通道中，系统可以查看表面缺陷，然后在第一个 NIR 波段使用 760 或 780 nm LED 来识别水果的轮廓，并在蓝莓等水果上发现难以看到的瘀伤。然后，带有 850 或 940 nm LED 的波段可以查看成熟度和水分含量。
然而，某些食品检测则超出了多光谱成像的能力。例如，鳄梨检查涉及对脂肪含量的非常详细的分析，这项任务非常适合高光谱成像技术。
在最佳成熟期收获鳄梨可确保较高的水果质量。但是，由于在采摘季节开始时，考虑到储藏期，采摘者会倾向采摘一些未完全成熟的水果。但是这样，鳄梨的味道和营养价值则会受到影响。另一方面，过晚采摘的过熟鳄梨的保质期较短，并且增加了疾病风险。所以，预测鳄梨的质量很困难。高光谱相机可以检测和预测肉眼不可见的变化。然后可以构建和应用预测模型来检测水果及其变质风险最高的部分。这些相机的工作范围包括 SWIR、VNIR、NIR 和 MWIR，包括 FX10（400 至 1000 nm）和 FX17（900 至 1700 nm）。
总结：选择多光谱相机，还是高光谱相机？
在决定为给定应用程序使用多光谱还是高光谱相机（或两者兼而有之）时，它归结为已经存在的数据级别。如果系统集成商或最终用户知道有一些光谱带将为检查或分析提供最高级别的细节，那么就可选择多光谱成像。在需要比多光谱成像提供的光谱带更多的光谱带的情况下，高光谱成像更为适合。此外，当用户不知道应用程序的光谱要求或想要收集可以稍后分析的数据立方体时，高光谱成像技术可以提供帮助。
在农民可能引入需要检查的新水果的情况下，部署这两种选项可能是有意义的。高光谱相机可以识别最佳光谱通道，多光谱相机可以在这些波段进行更高速的检测。
在水果检测中选择多光谱相机还是高光谱相机？相关推荐
- 高光谱成像技术在果蔬品质检测中的应用
在当前市场经济背景下,食品安全问题是消费者最为关心的问题之一,尤其是果蔬产品,农药残留问题和品质问题直接关系着消费者的权益和人身安全.针对传统化学检测的缺陷,本文结合高光谱成像技术,对其在果蔬品质与安 ...
- 推扫式和快照式高光谱成像系统在红肉掺假检测中的应用
目录 摘要 推扫式高光谱成像系统的应用 快照式高光谱成像系统的应用 总结 参考文献 摘要 肉类掺假常见于用低价肉代替高价肉获取非法利益,它不但影响了食品的质量,甚至会威胁到人们的健康.目前的检测手段一 ...
- 高光谱地物识别练习-从ENVI标准波普库中选择端元进行物质识别
高光谱地物识别练习-从ENVI标准波普库中选择端元进行物质识别 1.首先打开一个高光谱文件 2.打开标准波普库里的展示 3.选择矿物质有14个数据的一类 4.从14个数据中选
- CVPR2020 | MAL：联合解决目标检测中的定位与分类问题，自动选择最佳anchor
点击上方"AI算法修炼营",选择"星标"公众号 精选作品,第一时间送达 本文是收录于CVPR2020的工作,其实文章在去年就挂在了网上,整体思路还算不错.具体来 ...
- 人脸检测中几种框框大小的选择~
人脸检测应用极为广泛,内部细节也偏多,尤其是涉及到几种类型的框,这几种框的大小之前有着千丝万缕的联系,对检测性能的好坏影响程度大小不一.本篇文章基于自己在人脸检测方面的经验,说说对这些框之间关系的一些 ...
- 基于机器视觉的水果检测算法实现
各位看官看文章之前,先给大家看个瓜.打开闲鱼,搜水果识别,你就可以看到如下界面: 你点开我画标记的那个图片或者这个连接盗版闲鱼代码,你就会发现,这代码换汤不换药,竟然和我的UI界面都一样.我最初我也挺 ...
- 基于深度学习的高精度水果检测识别系统（PyTorch+Pyside6+YOLOv5模型）
摘要:基于深度学习的高精度水果(苹果.皇冠梨.火龙果.榴莲.葡萄.柠檬.甜瓜.网纹甜瓜.橘子.菠萝和西瓜)检测识别系统可用于日常生活中来检测与定位水果目标,利用深度学习算法可实现图片.视频.摄像头等方 ...
- 基于深度学习的水果检测与识别系统（Python界面版，YOLOv5实现）
摘要:本博文介绍了一种基于深度学习的水果检测与识别系统,使用YOLOv5算法对常见水果进行检测和识别,实现对图片.视频和实时视频中的水果进行准确识别.博文详细阐述了算法原理,同时提供Python实现代 ...
- 目标检测中如何定义正负样本，和正负样本在学习过程中loss计算起的作用
如何定义正负样本,和正负样本在学习过程中loss计算起的作用 正负样本定义 分类和回归head如何学习和利用划分后的正负样本(loss如何计算) 正负样本在分类中loss计算的处理 正样本在bbox ...
最新文章
- 【DB】几种ETL模式
- scatter 基本用法 python matplotlib
- 语音用户界面基本设计原则
- python os模块方法_python os模块的常用方法
- CSS Variables
- 前端学习（1095）:ES5新增方法
- cookie与session原理详解
- HashMap的扩容机制
- java list装3组数据_数组转List的3种方法和使用对比！
- groovy 兼容 java_java – eclipse插件和maven依赖项中存在的’groovy-all’jar之间的兼容性问题...
- 网络协议从入门到底层原理（2）路由、网络常见概念(因特网, ISP, 接口, 上网方式)、公网私网、NAT
- B18－iOS9的适配相关
- linux中删除svn中文件,删除SVN三种方法delSvn(windows+linux)
- 教你学坏^_^（一段病毒代码）
- sha1 file ‘＜stdout＞‘ write error: Broken pipe
- 一张让android死机图片,导致安卓手机死机的照片拍摄者表示这张照片是无意之举...
- HTB打靶日记：Soccer
- 商品详情页系统架构-笔记12 - 商品详情页整体架构组成+前端介绍
- word尝试打开文件时遇到错误 解决方法
- 为Python程序添加桌面快捷方式