Identifikation und Sortierung von Verunreinigungen in Tee mithilfe von spektraler Vision

Die Entfernung von Verunreinigungen aus Puer-Tee ist ein wichtiger Schritt in der Verarbeitung. Bestehende Methoden sind jedoch nicht in der Lage, Verunreinigungen aus Puer-Tee genau und effizient zu sortieren. Diese Studie schlägt eine neuartige Methode vor, die auf der Technologie der spektralen Bildgebung basiert, um Verunreinigungen in Puer-Tee zu identifizieren. Hyperspektrale Bilder von Tee und Verunreinigungen wurden im Wellenlängenbereich von 400–1000 nm erfasst. Die Spektren jeder Probe wurden aus den hyperspektralen Bildern extrahiert und umfassend analysiert und verarbeitet, hauptsächlich einschließlich der Erkennung und Eliminierung von Ausreißern, der spektralen Vorverarbeitung und der Auswahl charakteristischer Wellenlängen. Modelle der Support-Vektor-Maschine (SVM) wurden auf Basis von Vollspektraldaten und Daten charakteristischer Wellenlängen aufgebaut, um eine Klassifikation auf Pixelebene der hyperspektralen Bilder zu erreichen. Die Ergebnisse zeigten, dass das beste Modell, das auf Vollspektren basiert, eine Genauigkeit von 97,8% im Testdatensatz erzielte. Die besten Modelle, die auf charakteristischen Wellenlängen basieren, die durch den Algorithmus der sukzessiven Projektionen und den genetischen Algorithmus ausgewählt wurden, erzielten Genauigkeiten von 95,9% bzw. 94,9%. Schließlich wurden diese Pixelkategorisierungsmodelle auf die Testproben angewendet, um die Wirksamkeit der Modelle bei der Identifizierung von Verunreinigungen zu testen. Die Ergebnisse zeigen, dass die drei ausgewählten Modelle Verunreinigungen effektiv identifizieren können und sogar gut darin abschneiden, unbekannte Kategorien von Verunreinigungen zu identifizieren.