產(chǎn)品分類
Product Category相關文章
Related Articles高光譜采集數(shù)據(jù)軟件分析在農(nóng)業(yè)、環(huán)境監(jiān)測、食品檢測、醫(yī)學等眾多領域展現(xiàn)出巨大應用潛力。高光譜數(shù)據(jù)采集是獲取目標物光譜與空間信息的基礎,而軟件分析則是挖掘數(shù)據(jù)價值、實現(xiàn)精準識別與分析的關鍵環(huán)節(jié),二者協(xié)同推動高光譜技術在各行業(yè)的深度應用。
火腿光譜數(shù)據(jù)實時分析、反演使用 900 - 1700nm 高光譜相機, 采集三種火腿樣本的光譜數(shù)據(jù). 三種火腿樣本分別為: XW, PX, WN 采集環(huán)境: 使用鹵素燈光源, 在暗箱環(huán)境中采集, 排除外部環(huán)境干擾 積分時間: 20毫秒 采集數(shù)量: 每 2 片相同種類的樣本為一組, 每張圖像放 3 組不同的種類, 共采集 4 張圖像
高光譜水質(zhì)光譜數(shù)據(jù)實時分析、反演葉綠素 a(Chl - a)為研究對象,開展基于 FOD 和光譜特征的高光譜水質(zhì)參數(shù)反演模型研究,探索高效水質(zhì)監(jiān)測技術途徑。
草莓葉片含水率光譜數(shù)據(jù)實時分析、反演,構建了一套融合高光譜成像(HSI)技術與多種機器學習模型的反演體系。通過搭建 HSI 數(shù)據(jù)采集系統(tǒng)獲取草莓葉片光譜信息,經(jīng)嚴格的數(shù)據(jù)預處理流程提取有效特征,深入對比偏最小二乘回歸(PLSR)、支持向量回歸(SVR)、梯度提升決策樹回歸(GBDTR)、ResNet 18 及寬度學習系統(tǒng)(BLS)等模型在不同超參數(shù)優(yōu)化策略下的性能表現(xiàn)。
生菜鎘污染可見近紅外光譜在線分析模型構建通過采集不同濃度鎘污染生菜的可見 - 近紅外光譜數(shù)據(jù),深入剖析光譜特征與鎘污染程度的關聯(lián),運用先進建模算法構建精準在線分析模型,為蔬菜鎘污染快速、無損監(jiān)測提供技術支撐,助力農(nóng)產(chǎn)品質(zhì)量安全管控。
激光雷達與高光譜成像技術融合,解析理論、架構、應用,剖析瓶頸,探索遙感智能解譯新范式 ?!?以象科技的技術實踐與突破視角
高光譜圖像實時非監(jiān)督分類方法本文創(chuàng)新構建 “逐像元掃描” 模型,結(jié)合歸一化光譜向量分析,挖掘高光譜圖像局部鄰域光譜特征關聯(lián),實現(xiàn)高效非監(jiān)督分類,為高光譜圖像實時處理提供技術支撐。
高光譜數(shù)據(jù)實時分析、反演技術實踐:從原理到行業(yè)深耕 (一)定制化反演模型開發(fā) 基于高光譜數(shù)據(jù)與目標參數(shù)的物理關聯(lián),我們摒棄 “通用模型” 思路,為行業(yè)打造專屬反演方案。在農(nóng)業(yè)領域,聯(lián)合科研團隊,解析不同水稻品種光譜響應機制,構建 “品種 - 生長期 - 光譜 - 氮含量” 四維反演模型,依托 “珠海一號” 高光譜衛(wèi)星數(shù)據(jù),實現(xiàn)縣域級水稻氮素精準反演,生成的施肥指導圖,讓畝均用肥量降低 12%,
電話
微信