@article{Wu W. .2025-03-12,
author = { Wu W. .,  Chen G. Y.,  Kang R. .,  Xia J. C.,  Huang Y. P.,  Chen K. J.},
title = {КЛАССИФИКАТОР ДЛЯ ОБНАРУЖЕНИЯ ЗАГРЯЗНЕНИЙ НА КУРИНЫХ ТУШКАХ В ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЯХ, ОСНОВАННЫЙ НА АЛГОРИТМЕ ПОСЛЕДОВАТЕЛЬНЫХ ПРОЕКЦИЙ И ЛИНЕЙНОЙ МНОГОФАКТОРНОЙ РЕГРЕССИИ},
year = {2017},
publisher = {NP «NEICON»},
abstract = {Разработан классификатор для автоматического обнаружения загрязняющих веществ на куриных тушках, основанный на алгоритме последовательных проекций (АПП) и многомерной линейной регрессии (МЛР) и использующий пороговое значение оптимальной производительности. Гиперспектральные изображения для калибровки и проверки получены с помощью гиперспектральных систем визуализации. Регрессионная модель классификатора создана на основе 12 характерных длин волн (505, 537, 561, 562, 564, 575, 604, 627, 656, 665, 670 и 689 нм), выбранных с помощью АПП. Оптимальный порог Т = 1 получен из анализа рабочей характеристики приемника. Классификатор АПП-МЛР показывает лучшие результаты в обнаружении загрязнений по сравнению с классификатором, основанным на АПП и частичной регрессии с использованием метода наименьших квадратов, и с классификатором на основе векторной машины, использующей метод наименьших квадратов. Количество истинно положительных решений, приближающееся к 100%, при ложных срабатываниях (0.392%) указывает на то, что классификатор АПП-МЛР может использоваться для эффективного обнаружения загрязняющих веществ на куриных тушках. },
URL = {https://www.academjournals.by/publication/16430},
eprint = {https://www.academjournals.by/files/16384},
journal = {Журнал прикладной спектроскопии},
}