17 Wang X. Li Z. Zheng D. Wang W. гиперспектральная визуализация просо конволюционная рекуррентная нейронная сеть механизм внимания 2020 2020-03-13 Журнал прикладной спектроскопии Изучены гиперспектральные изображения 480 образцов проса восьми сортов в видимой и ближней инфракрасной областях спектра. В результате анализа изображений получены спектральные и графические характеристики образцов проса, выявлены особенности текстуры и цвета. На основе полученных характеристик созданы модели опорных векторов (SVM) для идентификации сортов проса. Идентификация сортов проса проведена на основе конволюционной рекуррентной нейронной сети (attention-CRNN), включающей в себя механизм внимания, а также с помощью моделей SVM и attention-CRNN методом слияния изображений и спектральных признаков. Определено, что лучшим методом преобразования является обратно-логарифмический метод. Точность идентификации сортов проса на базе классификационной модели SVM с обратно-логарифмической кривой спектральных характеристик 73.13%. Средняя точность идентификации восьми сортов проса по модели SVM с помощью признаков изображения 61.25%. Точность идентификации по модели SVM с использованием метода слияния изображения и спектральной информации значительно повышает общий показатель точности до 77.5%, а минимальная точность распознавания сортов проса увеличивается с 50 до 65%. Средняя точность идентификации по модели attention-CRNN 87.50%, что на 10% выше, чем у модели SVM, а минимальная точность распознавания сортов проса увеличивается с 65 до 90%. Использование модели attention-CRNN улучшает общую точность идентификации восьми сортов проса и значительно увеличивает минимальную точность идентификации. Модель attention-CRNN представляет большой интерес для неразрушающей идентификации проса и, возможно, других мелких сортов зерна. https://www.academjournals.by/publication/15820 https://www.academjournals.by/files/15774