論文の概要: A Guide to Employ Hyperspectral Imaging for Assessing Wheat Quality at
Different Stages of Supply Chain in Australia: A Review
- arxiv url: http://arxiv.org/abs/2209.05727v1
- Date: Tue, 13 Sep 2022 04:30:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-14 12:09:44.514548
- Title: A Guide to Employ Hyperspectral Imaging for Assessing Wheat Quality at
Different Stages of Supply Chain in Australia: A Review
- Title（参考訳）: オーストラリアにおけるサプライチェーンの異なる段階における小麦品質評価のためのハイパースペクトルイメージングの利用指針
- Authors: Priyabrata Karmakar, Shyh Wei Teng. Manzur Murshed, Paul Pang, Cuong
Van Bui
- Abstract要約: 小麦は世界中の主要作物の1つである。
伝統的な小麦の品質測定方法はほとんどが侵略的であり、破壊的であり、小麦の小さなサンプルに限られている。
小麦の品質評価には非侵襲的で非破壊的なリアルタイム手法が必要である。
- 参考スコア（独自算出の注目度）: 0.716879432974126
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wheat is one of the major staple crops across the globe. Therefore, it is
mandatory to measure, maintain and improve the wheat quality for human
consumption. Traditional wheat quality measurement methods are mostly invasive,
destructive and limited to small samples of wheat. In a typical supply chain of
wheat, there are many receival points where bulk wheat arrives, gets stored and
forwarded as per the requirements. In this receival points, the application of
traditional quality measurement methods is difficult and often very expensive.
Therefore, there is a need for non-invasive, non-destructive real-time methods
for wheat quality assessments. One such method that fulfils the above-mentioned
criteria is hyperspectral imaging (HSI) for food quality measurement and it can
also be applied to bulk samples. In this paper, we have investigated how HSI
has been used in the literature for assessing stored wheat quality. So that the
required information to implement real-time digital quality assessment methods
at the different stages of Australian supply chain can be made available in a
single and compact document.
- Abstract（参考訳）: 小麦は世界中の主要作物の1つである。
そのため、人的消費の小麦品質を計測、維持、改善することが義務付けられている。
伝統的な小麦の品質測定方法はほとんどが侵略的であり、破壊的であり、小麦の小さなサンプルに限られている。
小麦の典型的なサプライチェーンでは、バルク小麦が到着し、貯蔵され、要求に従って転送される、多くの繰り返し点がある。
この点において、従来の品質測定手法の適用は困難であり、しばしば非常に高価である。
そのため,小麦の品質評価には非侵襲的,非破壊的リアルタイム手法が必要である。
上記の基準を満たす方法の1つは、食品品質測定のためのハイパースペクトルイメージング(HSI)であり、バルク試料にも適用することができる。
本研究では, 貯蔵小麦の品質評価のための文献としてHSIを用いた方法について検討した。
そのため、オーストラリアのサプライチェーンの異なる段階におけるリアルタイムデジタル品質評価手法を実装するために必要な情報は、単一かつコンパクトな文書で利用できる。
関連論文リスト
- AI-Generated Image Quality Assessment Based on Task-Specific Prompt and Multi-Granularity Similarity [62.00987205438436]
本稿では,TSP-MGSというAIGIの品質評価手法を提案する。
タスク固有のプロンプトを設計し、AIGIとプロンプトの多粒度類似度を測定する。
一般的に使用されるAGIQA-1KとAGIQA-3Kベンチマークの実験は、提案されたTSP-MGSの優位性を示している。
論文 参考訳（メタデータ） (2024-11-25T04:47:53Z) - Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。
我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
論文 参考訳（メタデータ） (2024-11-07T22:29:05Z) - Identifying the Defective: Detecting Damaged Grains for Cereal
Appearance Inspection [16.036591708687354]
GAI(Grain Outearance Inspection)は、穀物の品質を判断し、穀物の循環と加工を容易にするための重要なプロセスである。
本稿では,自動GAIシステムであるAI4GrainInspの開発に尽力する。
本稿では,AD-GAIと呼ばれるADモデルを提案する。
論文 参考訳（メタデータ） (2023-11-20T16:35:16Z) - Winter Wheat Crop Yield Prediction on Multiple Heterogeneous Datasets
using Machine Learning [0.2580765958706853]
冬の小麦はイギリスで最も重要な作物の1つであり、作物の収穫予測は国の食料安全保障にとって不可欠である。
いくつかの研究は、郡や農場のレベルで収穫を予測するために機械学習(ML)技術を用いてきた。
本研究の目的は,多種多種データセットを用いたMLモデルを用いて冬期のコムギ収量を予測することである。
論文 参考訳（メタデータ） (2023-06-20T23:52:39Z) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳（メタデータ） (2022-12-29T19:32:20Z) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳（メタデータ） (2022-11-24T12:17:49Z) - Automated Wheat Disease Detection using a ROS-based Autonomous Guided
UAV [0.0]
小麦畑のモニタリング作業を自動化するために、無人航空機にスマート自律システムが実装されている。
画像に基づくディープラーニングアプローチは、病気に感染した小麦の植物を検出し分類するために用いられる。
ロボットオペレーティングシステムとガゼボ環境におけるシミュレーションを用いて,マッピングとナビゲーションシステムを提案する。
論文 参考訳（メタデータ） (2022-06-30T06:12:48Z) - Quality Measures in Biometric Systems [67.6699940572256]
品質はセキュリティにおいて重要な問題であり、特に監視カメラ、鑑識、携帯機器、インターネット経由でのリモートアクセスを含む有害なシナリオにおいて問題となる。
本稿では, バイオメトリックスの品質に悪影響を及ぼす要因, 克服方法, バイオメトリックスシステムに品質対策を組み込む方法について分析する。
論文 参考訳（メタデータ） (2021-11-17T13:28:07Z) - WheatNet: A Lightweight Convolutional Neural Network for High-throughput
Image-based Wheat Head Detection and Counting [12.735055892742647]
本研究では,小麦頭数を正確にかつ効率的に計算し,意思決定のためのリアルタイムデータ収集を支援する新しいディープラーニングフレームワークを提案する。
モデルコムギ網とよばれ,小麦畑の幅広い環境条件において,我々のアプローチが頑健かつ正確であることを実証する。
提案手法は, 小麦頭部計数タスクにおけるMAEとRMSEの3.85と5.19をそれぞれ達成し, 他の最先端手法に比べてパラメータが有意に少ない。
論文 参考訳（メタデータ） (2021-03-17T02:38:58Z) - Global Wheat Head Detection (GWHD) dataset: a large and diverse dataset
of high resolution RGB labelled images to develop and benchmark wheat head
detection methods [0.0]
いくつかの研究は、高解像度RGB画像から小麦頭部を検出する方法を開発した。
観察条件における可変性、遺伝子型の違い、発達段階、頭向きはコンピュータビジョンにおける課題を表している。
我々はGWHD(Global Wheat Head Detection)データセットという,大規模で多種多様で多彩なデータセットを構築しました。
4700枚の高解像度のRGB画像と、世界中の複数の国から収集された190,000個のラベル付き小麦頭が含まれている。
論文 参考訳（メタデータ） (2020-04-25T14:20:26Z) - Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images
and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。
本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。
食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
論文 参考訳（メタデータ） (2020-03-09T07:41:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。