論文の概要: Near-Infrared Hyperspectral Imaging Applications in Food Analysis -- Improving Algorithms and Methodologies

• arxiv url: http://arxiv.org/abs/2510.13452v1
• Date: Wed, 15 Oct 2025 11:53:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.655219
• Title: Near-Infrared Hyperspectral Imaging Applications in Food Analysis -- Improving Algorithms and Methodologies
• Title（参考訳）: 食品分析における近赤外ハイパースペクトルイメージング -- アルゴリズムと方法の改善
• Authors: Ole-Christian Galbo Engstrøm,
• Abstract要約: 本論文は,近赤外ハイパースペクトルイメージング(NIR-HSI)の食品品質解析への応用について検討する。 いくつかの分析では、畳み込みニューラルネットワーク(CNN)と部分最小二乗(PLS)に基づくモデルを比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This thesis investigates the application of near-infrared hyperspectral imaging (NIR-HSI) for food quality analysis. The investigation is conducted through four studies operating with five research hypotheses. For several analyses, the studies compare models based on convolutional neural networks (CNNs) and partial least squares (PLS). Generally, joint spatio-spectral analysis with CNNs outperforms spatial analysis with CNNs and spectral analysis with PLS when modeling parameters where chemical and physical visual information are relevant. When modeling chemical parameters with a 2-dimensional (2D) CNN, augmenting the CNN with an initial layer dedicated to performing spectral convolution enhances its predictive performance by learning a spectral preprocessing similar to that applied by domain experts. Still, PLS-based spectral modeling performs equally well for analysis of the mean content of chemical parameters in samples and is the recommended approach. Modeling the spatial distribution of chemical parameters with NIR-HSI is limited by the ability to obtain spatially resolved reference values. Therefore, a study used bulk mean references for chemical map generation of fat content in pork bellies. A PLS-based approach gave non-smooth chemical maps and pixel-wise predictions outside the range of 0-100\%. Conversely, a 2D CNN augmented with a spectral convolution layer mitigated all issues arising with PLS. The final study attempted to model barley's germinative capacity by analyzing NIR spectra, RGB images, and NIR-HSI images. However, the results were inconclusive due to the dataset's low degree of germination. Additionally, this thesis has led to the development of two open-sourced Python packages. The first facilitates fast PLS-based modeling, while the second facilitates very fast cross-validation of PLS and other classical machine learning models with a new algorithm.
• Abstract（参考訳）: 本論文は,近赤外ハイパースペクトルイメージング(NIR-HSI)の食品品質解析への応用について検討する。 調査は5つの研究仮説を持つ4つの研究によって行われる。 いくつかの分析では、畳み込みニューラルネットワーク(CNN)と部分最小二乗(PLS)に基づくモデルを比較する。 一般に,CNNを用いた空間分析とPSSを用いたスペクトル分析は,化学・物理的視覚情報に関連するパラメータのモデル化において,CNNを用いた空間分析よりも優れる。 化学パラメータを2次元(2D)CNNでモデル化する場合、スペクトル畳み込みを行うための初期層でCNNを増強すると、ドメインの専門家が適用したスペクトル前処理と同様のスペクトル前処理を学習することで予測性能が向上する。 それでも、PSSに基づくスペクトルモデリングは、サンプル中の化学パラメータの平均的内容の分析に等しくうまく機能し、推奨されるアプローチである。 NIR-HSIによる化学パラメータの空間分布のモデル化は、空間的に解決された基準値を得る能力によって制限される。 そこで,豚肉の脂肪含有量の化学地図作成にバルク平均基準を用いた。 PLSに基づくアプローチにより、0-100\%の範囲外の非滑らかな化学地図とピクセルワイズ予測が得られた。 逆に、スペクトル畳み込み層を付加した2次元CNNは、PSSに起因する全ての問題を緩和した。 最終研究では、NIRスペクトル、RGB画像、およびNIR-HSI画像を分析して、大麦の発芽能力のモデル化を試みた。 しかし、データセットの発芽度が低かったため、結果は決定的ではなかった。 さらに、この論文は2つのオープンソースPythonパッケージの開発につながった。 1つは高速PLSベースのモデリングを、もう1つは高速なPLSや他の古典的機械学習モデルのクロスバリデーションを新しいアルゴリズムで促進する。

関連論文リスト

• Feasibility Study of CNNs and MLPs for Radiation Heat Transfer in 2-D Furnaces with Spectrally Participative Gases [0.3495246564946556]
  そこで我々は,2次元壁状領域における放射熱伝達解を近似する代理モデルを構築した。 この研究の独創性は、CNNアーキテクチャに適合するために問題(ガスと壁の特性)の入力を適応させることにある。 CNNアーキテクチャの性能は、より古典的なアーキテクチャと比較される。
  論文  参考訳（メタデータ） (2025-06-02T14:06:44Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• The Spectral Bias of Polynomial Neural Networks [63.27903166253743]
  PNN(Polynomial Neural Network)は、高頻度情報を重要視する画像生成と顔認識に特に有効であることが示されている。 これまでの研究では、ニューラルネットワークが低周波関数に対して$textitspectral bias$を示しており、トレーニング中に低周波成分のより高速な学習をもたらすことが示されている。 このような研究に触発されて、我々はPNNのTangent Kernel(NTK)のスペクトル分析を行う。 我々は、最近提案されたPNNのパラメトリゼーションである$Pi$-Netファミリがスピードアップすることを発見した。
  論文  参考訳（メタデータ） (2022-02-27T23:12:43Z)
• The Preliminary Results on Analysis of TAIGA-IACT Images Using Convolutional Neural Networks [68.8204255655161]
  本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。 The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
  論文  参考訳（メタデータ） (2021-12-19T15:17:20Z)
• Classification of diffraction patterns using a convolutional neural network in single particle imaging experiments performed at X-ray free-electron lasers [53.65540150901678]
  X線自由電子レーザー(XFEL)における単一粒子イメージング(SPI)は、その自然環境における粒子の3次元構造を決定するのに特に適している。 再建を成功させるためには、単一のヒットに由来する回折パターンを多数の取得パターンから分離する必要がある。 本稿では,この課題を画像分類問題として定式化し,畳み込みニューラルネットワーク(CNN)アーキテクチャを用いて解決することを提案する。
  論文  参考訳（メタデータ） (2021-12-16T17:03:14Z)
• Estimating permeability of 3D micro-CT images by physics-informed CNNs based on DNS [1.6274397329511197]
  本稿では,地質岩のマイクロCTによる透水率予測手法を提案する。 透過性予測専用のCNNのためのトレーニングデータセットは、古典格子ボルツマン法(LBM)によって通常生成される透過性ラベルからなる。 その代わりに、定常ストークス方程式を効率的かつ分散並列に解き、直接数値シミュレーション(DNS)を行う。
  論文  参考訳（メタデータ） (2021-09-04T08:43:19Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)
• Convolutional neural networks for classification and regression analysis of one-dimensional spectral data [0.0]
  畳み込みニューラルネットワーク(CNN)は画像認識やテキスト解析に広く利用されている。 CNNの性能をスペクトルデータの分類と回帰分析のために検討した。
  論文  参考訳（メタデータ） (2020-05-15T13:20:05Z)

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。