<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Liang K. .</author>
     <author>Liu Q. X.</author>
     <author>Xu J. H.</author>
     <author>Wang Y. Q.</author>
     <author>Okinda C. S.</author>
     <author>Shen M. X.</author>
    </authors>
   </contributors>
   <titles>
    <title>ОПРЕДЕЛЕНИЕ И ВИЗУАЛИЗАЦИЯ СОДЕРЖАНИЯ ДЕОКСИНИВАЛЕНОЛА В ОБЪЕМЕ ПШЕНИЧНЫХ ЗЕРЕН С ПОМОЩЬЮ ГИПЕРСПЕКТРАЛЬНОЙ ВИЗУАЛИЗАЦИИ</title>
   </titles>
   <keywords>
    <keyword>гиперспектральное изображение</keyword>
    <keyword>объем пшеничных зерен</keyword>
    <keyword>содержание деоксиниваленола</keyword>
    <keyword>выбор оптических длин волн</keyword>
    <keyword>классификационная модель</keyword>
    <keyword>визуализация пространственного распределения</keyword>
    <keyword>hyperspectral imaging</keyword>
    <keyword>bulk wheat kernels</keyword>
    <keyword>deoxynivalenol content</keyword>
    <keyword>optical wavelength selection</keyword>
    <keyword>classification model</keyword>
    <keyword>visualization map</keyword>
   </keywords>
   <dates>
    <year>2018</year>
    <pub-dates>
     <date>2025-03-12</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <abstract>Предложена система гиперспектральной визуализации как метод быстрого и неразрушающего контроля содержания микотоксина деоксиниваленола (DON) в пшеничных зернах, инфицированных фузариозом колоса. При предварительной обработке спектральных данных использованы преобразование стандартного отклонения случайной величины с нормальным распределением и мультипликативная поправка на разброс (MSC). Для выбора оптических длин волн использованы алгоритм последовательных проекций (SPA) и алгоритм прыгающих лягушек. Метод опорных векторов (SVM) и 851-2 дискриминационный анализ частными наименьшими квадратами применены при создании различных моделей для определения содержания DON. Сравнение полученных данных показало, что модель MSC-SPA-SVM с самой высокой классификационной точностью (100.00 % для обучающего теста и 97.92 % для проверочного набора) обладает наилучшими характеристиками. Эта модель использована для визуализации пространственного распределения уровня содержания DON.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/16308</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/16262</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
