Hyperspectraal imaging
Waar RGB-camera’s werken met drie kleurkanalen (rood, groen en blauw) om oppervlakkige kleurverschillen vast te leggen, biedt hyperspectrale technologie een veel diepgaandere analyse. Deze geavanceerde technologie legt tientallen tot honderden smalle golflengtebanden vast, variërend van zichtbaar tot infrarood licht.
Met hyperspectrale technologie wordt niet alleen kleur herkend, maar worden ook de chemische en structurele eigenschappen van materialen geanalyseerd, iets wat met een standaard RGB-camera niet mogelijk is, waardoor het detecteren van verontreiniging robuuster wordt.
Bij het inspecteren van aardappelen zijn golflengtes tussen 700 en 1000 nm essentieel vanwege de unieke chemische samenstelling (watergehalte, zetmeel en suikers). De Specim FX10 Hyperspectrale camera, met een bereik van 400 tot 1000 nm, is perfect afgestemd op deze vereisten. Deze camera biedt een betaalbare en efficiënte oplossing voor het detecteren van verontreinigingen zoals plastic, vegetatie en andere ongewenste materialen.
Hoewel de Specim FX17, met een bereik van 900 tot 1700 nm, geschikt is voor meer geavanceerde toepassingen, is de FX10 dé ideale en kostenefficiënte keuze voor standaard verontreiniging detectie tussen aardappelen.
Pre-processing en classificatie
Principal Component Analysis (PCA)
Elk type materiaal heeft unieke kenmerken die zichtbaar worden bij specifieke golflengtes. Principal Component Analysis (PCA) is een krachtige pre-processing techniek op hyperspectraal afbeeldingen waarmee deze kenmerken effectief worden geanalyseerd. PCA benadrukt de meest relevante spectrale informatie, waardoor grotere contrasten ontstaan tussen materialen, zoals aardappelen, vegetatie en andere verontreinigingen waardoor het groeperen makkelijker wordt.
Door Principal Component Analysis (PCA) toe te passen als pre-processing stap, wordt de snelheid en robuustheid van verontreinigingsdetectie aanzienlijk verbeterd. PCA reduceert de dataset tot de meest relevante kenmerken, waardoor analyses sneller en efficiënter verlopen. Dankzij deze optimalisatie is het mogelijk om de technologie in-line te integreren.
K-Nearest Neighbor algorithm (KNN)
Door PCA als pre-processing stap te gebruiken voor de verontreiniging detectie, is de data eenvoudiger en efficiënter om mee te werken en legt de basis voor het gebruik van slimme algoritmes zoals K-Nearest Neighbor (KNN).
Het KNN-algoritme analyseert de pixels in het beeld en bepaalt of een pixel deel uitmaakt van een aardappel of een verontreiniging. Dit gebeurt door de chemische eigenschappen van een pixel te vergelijken met referentiegegevens. Pixels met dezelfde eigenschappen worden gegroepeerd, waardoor zelfs kleine verschillen tussen aardappelen en ongewenste materialen zoals plastic vegetatie en andere verontreinigingen makkelijker wordt.
Met door Vision Partners ontwikkelde pre-processing en classificatie software wordt betrouwbaar op industriële wijze verontreinigingen tussen aardappelen geïdentificeerd.
Vision Partners heeft aangetoond dat op industriële wijze SWIR hyperspectrale technologie in een productlijn kan worden geïmplementeerd
