Компания Ecotech и International AdvancedИнструменты Technology Company сотрудничает, чтобы обеспечить « экологию»- Сельское хозяйство- Здоровье "Всеобъемлющая техническая программа. Компания основана на International Advanced的Технология гиперспектральной визуализации Specim, в сочетании с интеграцией исследований и разработок в области машинного зрения и автоматизации, предоставляет пользователям разнообразные, индивидуализированные и автоматизированные решения для онлайн - сортировки, позволяющие быстро классифицировать и реагировать в режиме реального времени на промышленные конвейерные продукты. Система может сочетаться с промышленными конвейерами, конвейерами и интеллектуальными сортировочными системами, основанными на мощных возможностях спектрального распознавания и гибких моделях классификации, в режиме реального времени выводит точные результаты идентификации, пользователям не нужно выполнять ряд сложных работ по кодированию и анализу спектральных изображений, чтобы получить окончательные результаты, что значительно снижает порог технологии гиперспектральных изображений для применения на рынке.

Основные особенности:

▌ Спектра СканТехнология платформы сканирования спектральных изображений, которая может настраивать адаптацию в соответствии со специальными сценариями использования пользователем

• Промышленный высокоспектральный формирователь изображений с выталкиванием, может быть выбран400-1000нмА900-1700нмА2700-5300нмРавнодиапазон

• Программное обеспечение для обучения моделям классификации: пользователи могут просматривать данные выборки, обучать модели классификации, проверять эффективность классификации, создавать приложения

• Сетевое разделение в режиме реального времени: высокопроизводительный блок обработки данных, работающий в режиме реального времени на основе модели классификации и показывающий результаты разделения в режиме онлайн

• ПоддержкаGigEА,USB3.0, RS-232/485А,КАНИнтерфейс, совместимый с процессами нижнего течения промышленных конвейеров, вспомогательный интеллектуальный сортировка

Технология гиперспектральной визуализацииCEАFCCАРОХС3Международная стандартная сертификация

Примеры применения:

1 Проверка качества фисташек

Качество орехов обычно оценивается по таким загрязнителям, как свежесть продукта, наличие дефектов, клещей и чужеродных веществ, а обнаружение дефектов и инородных веществ является наиболее важным звеном в производстве фисташков.

Предыдущие методы, такие как HPLC, GC - MS и IR - MS, имеют недостатки, которые не могут быть обнаружены в режиме реального времени. В последние годы технология машинного зрения, основанная на цветной визуализации (RGB), сыграла важную роль в процессах обработки пищевых продуктов и контроле качества, но все еще существуют короткие пластины для идентификации клещей, плесени и других чужеродных веществ. Итальянские экспериментаторы применяют технологию гиперспектральной визуализации (HSI) для контроля качества фисташек, качественного и количественного анализа различных физико - химических характеристик образцов и изучения лучших стратегий контроля качества пищевых продуктов.

Экспериментаторы случайно выбрали различные типы определенных образцов фисташковых смесей и разделили 99 образцов на шесть категорий: съедобные фисташки (23), несъедобные фисташки (23), счастливые скорлупы (13), кожу фисташки (13), тонкие ветви (13) и ядра (14). Как показано на рисунке 1.1 слева, образец разделен на две группы: учебный набор (70%) и набор проверки (30%), сначала предварительно обработанный исходный спектр, чтобы подчеркнуть характерные различия в шести типах спектров.

Рисунок 1.1 слева: диаграмма RGB (a), учебный набор (b) и набор проверки (c); Справа: Средний (a) и предварительно обработанный (b) спектр отражения 6 классов образцов в диапазоне SWIR

Учебные наборы данных были обучены с помощью анализа основных компонентов (PCA) и различных моделей классификации, использующих многовариантную классификацию, результаты обучения показаны слева на рисунке 1.2 ниже, где прогностическая диаграмма CART похожа на результаты PCA - kNN и дает очень хорошие результаты классификации, превосходящие результаты, полученные PLS - DA и PCA - DA. Прогнозирование набора проверенных данных с использованием различных моделей классификации показало, что, как показано справа на рисунке 1.2, модели правильно идентифицировали камни, и диаграммы прогнозов PLS - DA и PCA - DA были похожи, показывая одни и те же области классификации ошибок, в то время как диаграммы прогнозов модели CART характеризуются более дисперсными пикселями классификации ошибок. Прогноз PCA - kNN показывает наилучшееВ результате было очень мало ошибочно классифицированных областей для одной категории.

Рисунок 1.2 слева (a, b, c, d) - результат обучения; Правая (a, b, c, d) - результат прогноза

Результаты показывают, что технология гиперспектральной визуализации, основанная на диапазоне SWIR, обеспечивает отличный метод мониторинга и контроля качества фисташков и имеет широкие перспективы в сценариях обнаружения в автономном режиме или в режиме реального времени в промышленных приложениях.

Оценить качество чая без потерь

По мере того, как потребители уделяют больше внимания здоровью, потребление чая постепенно увеличивается. Цветочный чай состоит из смеси двух или более видов растений с целью улучшения вкуса и увеличения пользы для здоровья. Как и в случае с другими продуктами питания или продуктами для здоровья, контроль качества (QC) травяного чая важен для обеспечения безопасности пищевых продуктов и эффективности для здоровья.

Традиционные методы контроля качества, такие как высокоэффективная жидкостная хроматография (HPLC) и масс - спектрометрия (MS), имеют высокую повторяемость и точность, но отнимают много времени и разрушительны, а также требуют индивидуального обнаружения каждого компонента в случае, если он содержит несколько сырьевых материалов, что более трудоемко. В этом исследовании технология гиперспектральной визуализации используется в качестве быстрого и неразрушающего метода, сочетающего традиционную спектроскопию и цифровую визуализацию для оценки и контроля качества чая.

Исследователи из Технологического университета Цвани использовали гиперспектральные изображения SWIR для сбора гиперспектральных изображений сырья (S.tortuosum и C.genistoides), приобретенного у Parceval Pty, и пяти партий смеси цветового чая (Honeybush - Sceletium). В отсутствие соответствующих химических знаний было проведено полное неразрушающее различие между двумя сырьевыми материалами, и анализ основных компонентов (PCA) показал 54,2% различий в химическом составе между исходными материалами S.tortuosum и C.genistoides.

Рисунок 2.1 a) Два вида чайного сырья; b)PC1； c) Различные точки рассеивания пикселей для двух видов чая (t1 vs t2)

В быстрой неразрушающей идентификации и количественной оценке состава травяного чая была разработана модель PLS - DA на основе калибровочной модели PCA, как показано слева на рисунке 2.2, результаты тестового набора были аналогичны результатам PCA, наблюдались два отдельных кластера пикселей, и была получена разница в химическом составе 52,8%, и соответствующее Y - изображение было показано рядом с графиком рассеяния, что указывает на то, что чистое сырье классифицируется на 100%. На рисунке 2.2 справа показаны RGB - изображения и прогнозы прогнозного набора, который включает в себя два образца внешнего тестового набора и пять партий смесей травяного чая, и результаты подтверждают, что модель может точно предсказать свойства компонентов чайной смеси, прогнозируя, что смесь травяного чая будет содержать только два ингредиента: S.tortuosum и C.genistoides, а также количественно предсказать, что C.genistoides будет основным ингредиентом (содержание > 97%), в то время как S.tortuosum будет иметь более низкое содержание (< 3%) и что количественные результаты близки к формуле C.genistoides = 96% и S.tortuosum = 4%, установленной компанией. Результаты экспериментов показали, что технология гиперспектральной визуализации обладает хорошим потенциалом для оценки качества пищевых продуктов и лекарств, таких как смеси холодного чая.

Рисунок 2.2 слева: a) диаграмма рассеяния PLS - DA и оценка; b) Среднее спектральное различие между S. tortuosum и C. genistoides. Справа: Предсказание визуализации выборки набора, а) RGB изображения; b) Прогноз класса на основе модели PLS - DA

Компания Ecothay Ecology Technologies, основанная на инновационных приложениях спектральной визуализации SpeatrAPP, предоставляет индивидуальные решения спектральной визуализации для сортировки и контроля качества пищевых и китайских лекарственных трав, сортировки семян, онлайн - сортировки промышленных конвейеров, утилизации отходов, контроля качества производственных линий, применения машинного зрения и других высокопроизводительных приложений.

Сбор арахисовой плесени слева направо, сортировка мяса (свинина, говядина, баранина), определение степени сахара яблок (предоставлено лабораторией спектральной визуализации Икотея)

Ссылки:

[1] Bonifazi G, Capobianco G, Gasbarrone R, et al. Выявление загрязнителей в орехах фисташки различными методами классификации, применяемыми к коротковолнным инфракрасным гиперспектральным изображениям [J]. Food Control, 2021, 130(26):108202.

[2] A M S, A W C, B I V A, et al. Неразрушительная оценка качества смесей травяного чая с использованием гиперспектрального изображения - ScienceDirect [J]. Фитохимические письма, 2018, 24:94-101.