(3.239.56.184) 您好!臺灣時間:2021/05/13 10:39
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:張介政
研究生(外文):Chang Chieh-Cheng
論文名稱:應用超分光光譜影像線光譜分類不同雞隻病灶之研究
論文名稱(外文):Application of Line Spectrum of Hyperspectral image to Classify Lesions of Chicken Carcasses
指導教授:謝清祿謝清祿引用關係
指導教授(外文):Hsieh Ching-Lu
學位類別:碩士
校院名稱:國立屏東科技大學
系所名稱:生物機電工程系所
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:110
中文關鍵詞:雞隻屠體超分光光譜PCAScoreLoadingLDALS-SVM
外文關鍵詞:chicken carcasseshyperspectral imagePrincipal component analysisScoreLoadingLinear discriminant analysisLeast squares support vector machines
相關次數:
  • 被引用被引用:1
  • 點閱點閱:112
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:17
  • 收藏至我的研究室書目清單書目收藏:0
台灣目前為了確保國人食用雞隻的安全,防檢局在全台各合格屠宰場均設有多名獸醫師負責檢查雞隻,故本研究利用本實驗室所開發之超光譜影像系統分析雞隻屠體光譜以減少獸醫師之負擔以及方便業者針對各種不合格雞隻病灶追溯上游養雞場的疾病,達到協助雞場管理。本研究利用線掃瞄方式拍攝合格與不合格雞隻屠體胸部背部位置,擷取雞胸的9個位置的線光譜來進行光譜處理與分類,合格雞隻由主軸分析(PCA)後的不同Score值配合LDA進行分類,分類結果以胸部訓練組40個Score的誤判率9.0%及測試組的9.3%為最佳,且Score值越多誤判率會降低。不合格雞隻病灶則是利用PCA第一至第三Loading的比值配合 LS-SVM進行分類,特定特徵分類結果以胸部的訓練組誤判率0.75%及測試組的2.76%為最佳;在不同位置分布的分類的結果,以胸部的取樣點2、5、8(中橫)為最佳,訓練組的誤判率為0.75%,測試組的誤判率為3.01%,其重要的波段集中在450nm與800nm左右,綜合特徵以近紅外光的二次微分10、20點距10、20分數時分類結果較佳。其中胸腹水、炎症滲出物與其他病灶間的測試組分類結果誤判率為5.13%、3.85%、9.07%、7.58%,這些結果未來可應用於不合格雞隻的病灶分類。
To ensure the safety of chicken meal, the BAPHIQ (Bureau of Animal and Plant Health Inspection and Quarantine) deploys more than 400 veterinarians in slaughter houses to inspect each chicken carcass in Taiwan. The inspection job is a tedious and time consuming which needs to be improved with automation technique. This study applied a home-make spectral imaging system to detect the carcasses and to identify their lesions along with to classify their wholesomeness. Line spectra were obtained from breast portion and back portion. Nine ROIs of each portion were analyzed by PCA (principle component analysis) scores and loadings. Results show classification error is 9.0% and 9.3% for training and testing data set, respectively, when 40 scores were used in model. More score used in model deceased the classification error. Nine ROIs suggested that the middle portion of ROI region (label 2, 5, and 8) have the lowest classification error. Test results also indicates that when the ratio of the first to third loading of PCA were used in model along with differential treatments on spectrum, LS-SVM approach could have error on lesion classification of 5.13, 3.85, 9.07 and 7.58% on four major lesions: abnormal, ascites, inflammatory extrudes, and the others. Loading analysis also suggested important bands for identification locating around 450 nm and 800 nm. These findings might assist on further development for automatic machine.
摘要 ..Ⅰ
Abstract III
誌謝 V
目錄 VI
表目錄 X
圖目錄 XIII
第一章 緒論 1
1-1 前言 1
1-2 研究目的 2
第二章 文獻回顧 3
2-1 研究相關文獻 3
2-1-1 超光譜影像 3
2-1-2 光譜擷取 4
2-1-3 特徵擷取 5
2-1-4 LDA(線性分類器) 6
2-1-5 LS-SVM(最小平方支持向量機) 6
2-2 雞隻屠宰衛生檢驗 8
2-3 雞隻屠後檢查流程 10
2-4 屠後檢查之相關病灶 11
第三章 理論分析 14
3-1 光譜與光譜影像 14
3-2 光譜影像系統 16
3-2-1 光源 16
3-2-2 光柵 16
3-2-3 CCD取像 18
3-3 主軸成分分析(Principal components analysis,PCA) 18
3-4 線性判別分析(Linear discriminant analysis,LDA) 20
3-5 最小平方支持向量機(least squares support vector machine,LS-SVM) 24
第四章 實驗材料與方法 27
4-1 雞隻樣本 27
4-2 超分光光譜影像系統 28
4-2-1 樣本拍攝 30
4-2-2 波段拍攝 31
4-2-3 光譜校正 32
4-3 實驗流程 33
4-4白板與暗電流校正 35
4-5線光譜組合 36
4-6擷取區域光譜 38
4-7光譜前處理 39
第五章 結果與討論 41
5-1 合格與不合格分類 41
5-2 四種病灶分類 42
5-3 不同位置分類 43
5-3-1不同空間位置分類-A組 44
5-3-2不同空間位置分類-B組 45
5-3-3不同空間位置分類-C組 46
5-3-4不同空間位置分類-D組 47
5-3-5不同空間位置分類-E組 48
5-3-6不同空間位置分類-F組 49
5-3-7不同空間位置分類-G組 50
5-3-8不同空間位置分類-H組 51
5-4 合格與不合格雞隻分類結果 52
5-4-1 2個Score胸部訓練組與測試組分類結果 52
5-4-2 10個Score胸部訓練組與測試組分類結果 56
5-4-3 20個Score胸部訓練組與測試組分類結果 57
5-4-4 30個Score胸部訓練組與測試組分類結果 58
5-4-5 40個Score胸部訓練組與測試組分類結果 59
5-4-6 2個Score背部訓練組與測試組分類結果 61
5-4-7 10個Score背部訓練組與測試組分類結果 64
5-4-8 20個Score背部訓練組與測試組分類結果 65
5-4-9 30個Score背部訓練組與測試組分類結果 66
5-4-10 40個Score背部訓練組與測試組分類結果 67
5-4-11 總結 68
5-5 四種病灶分類結果 69
5-5-1負荷值擷取 69
5-5-2 LS-SVM分類結果 75
5-6 四種病灶不同空間分類結果 78
5-7 綜合特徵分類 80
5-7-1可見光與近紅外光 81
5-7-2可見光一次微分分類結果 82
5-7-3可見光二次微分分類結果 87
5-7-4近紅外光一次微分分類結果 91
5-7-5近紅外光二次微分分類結果 95
5-7-6總結 99
第六章 結論 103
6-1 結論 103
6-2 建議 104
參考文獻 105
作者簡介 110

王保進。2004,多變量分析:套裝程式與資料分析,高等教育文化事業有限公司,第3-6頁。

王玉順。2010,屠宰加工與衛生檢疫,中國農業科學技術出版社,第180-240頁。

行政院農業委員會動植物防疫檢疫局。2005。家禽屠宰衛生標準作業程序。第一版。

行政院農業委員會動植物防疫檢疫局。2011。家禽屠後檢查結果紀錄表。

李匡邦、許東明、何東英。1997,光譜化學分析,國立編譯館,第4頁,第24-26頁,第57-60頁。

李明翰。2009,超光譜影像及類神經網路於木瓜糖度預測及顏色分類之研究,碩士論文,國立屏東科技大學,生物機電工程系,屏東。

李德治、童惠玲。2010,多變量分析:專題及論文常用的統計方法,雙葉書廊有限公司,第2頁。

呂金河編譯。2010,多變量分析,滄海書局,第276-283頁。

林冠中。2005,漸進式支持向量機於人臉辨識之應用,碩士論文,國立成功大學,資訊工程系,台南。

林茂勇、宋華聰。2006,禽病診治(第二版),藝軒圖書出版社,第78-82頁,第132-133頁,第151-154頁,第172-176頁,第194-197頁,第261-266頁,第367-382頁,第422-426頁。

林恩汝。2007,應用二階段分類法提升Least square-support vector machine(LS-SVM)技術之分類正確率,碩士論文,國立勤益科技大學,工業工程與管理系,台中。

周震煌、劉昌群、蕭介宗。2005。以機器視覺與可見光/近紅外光應用於畜肉之分類。農業機械學刊14(3):39-49。

周震煌、周瑞仁、蕭介宗。2007。以可見光/近紅外線譜鑑別國產冷藏與進口冷凍再解凍雞腿。農業機械學刊(16)2:1-12。

周建明、洪君伯。2011。應用最小二乘支持向量機於降雨-逕流立成之模擬。水保技術6(1):23-30。

陳明造。1993,肉雞屠體分級標準方法,藝軒圖書出版社,第4頁,第7-8頁,第11頁,第14頁,第18-20頁,第31-33頁。

陳俊榮、謝清祿。2011。合格與不合格國產肉雞屠體光譜影像的比較,2011年生機與農機論文發表會。論文編號:E-07。

陳俊榮。2012,建立超分光光譜影像分辨國產合格與不合格雞隻屠體檢測技術之研究,碩士論文,國立屏東科技大學,生物機電工程系,屏東。

張智星。2004,MATLAB程式設計:入門篇,清蔚科技股份有限公司/鈦思科技股份有限公司。

張介政、康筑雅、吳昭葶、謝清祿。2012。應用最小平方支持向量機及超分光線光譜分類不合格國產肉雞的病灶研究,2012年生機與農機論文發表會。論文編號:PD1。



彭彥昆、黃慧、王偉、吳建虎、王秀。2011。基於LS-SVM和高光譜技術的玉米葉片葉綠素含量檢測。江蘇大學學報(自然科學版)32(2):125-128。

黃維仕。2005,多分光影像於蝴蝶蘭瓶苗生物性污染之檢測,碩士論文,國立屏東科技大學,生物機電工程系,屏東。

超秦集團。屠宰生產流程。2012.11.12取自http://www.super-mill.com.tw/products_flow.aspx#05

劉福安。1989,雞病防治手冊,五洲出版社,第47-50頁,第73-75頁,第80-82頁,第117-119頁。

劉士綸。2010,利用近紅外光譜技術進行台灣烏龍茶快速分析與鑑別之研究,博士論文,國立中興大學,食品暨應用生物科技學系,台中。

盧敬忠。2008,超光譜影像系統控制程式及強度校正建立,碩士論文,國立屏東科技大學,生物機電工程系,屏東。

閻威武、邵惠鶴。2003。支持向量機和最小二乘支持向量機的比較及應用研究。控制與決策18(3):358-360。

龔崇誠。2007,超分光光譜影像系統的開發-系統規劃與校正,碩士論文,國立屏東科技大學,生物機電工程系,屏東。

Bell, M. K., and Jr., J. M. Allison. 1977. Optimal wavelengths for detecting chicken broiler bruises. Transactions of the ASABE. 20 (6): 1155-1159.

Chen, Y. R., D. R. Massie. 1993. Visible/near-infrared reflectance and interactance spectroscopy for detection of abnormal poultry carcasses. Transactions of the ASABE. 36(3):863-869.

Chao, K., B. Park, Y. R. Chen, W. R. Hruschka, F. W. Wheaton. 2000. Design of a dual-camera system for poultry carcasses inspection. Applied Engineering in Agriculture. VOL. 16(5):581-587.

Chao, K., Y. R. Chen, W. R. Hruschka, B. Park. 2001. Chicken heart disease characterization by multi-spectral imaging. Applied Engineering in Agriculture. Vol 17(1): 99-106.

Chao, K., P. M. Mehl, Y. R. Chen. 2002. Use of hyper- and multi–spectral imaging for detection of chicken skin tumors. Applied Engineering in Agriculture. Vol. 18(1): 113-119
Chao, K., Y. R. Chen, F. Ding, D. E. Chan. 2005. Characterizing wholesome and unwholesome chickens by CIELUV color difference. Applied Engineering in Agriculture. Vol. 21(4):653-659.

Chao, K., C.-C. Yang, M. S. Kim, D. E. Chan. 2008. High throughput spectral imaging system for wholesomeness inspection of chicken. Applied Engineering in Agriculture. 24(4): 475-485.

Hsieh, C., Y. R. Chen, B. P. Dey, D. E. Chan. 2002. Separating septicemic and normal chicken livers by visible/near–infrared spectroscopy and back–propagation neural networks. Transactions of the ASABE. Vol. 45(2): 459-469.

Johan A.K. Suykens.2001. Nonlinear Modelling and Support Vector Machines. Institute of Electrical and Electronics Engineers.pp287-294.

Kang Sukwon, Moon S. Kim, Kuanglin Chao, Intaek Kim,Yud-Ren Chen. 2002. Chicken disease characterization by fluorescence spectroscopy. Paper number 023061, 2002 ASAE Annual Meeting.

Kise, M. , Park, B. , Lawrence, K.C. , Windham, W.R.2007. A Compact Multispectral Imaging System for Online Poultry Contaminant Inspection. American Society of Agricultural and Biological Engineers. no. 073083.
K. De Brabanter, P. Karsmakers, F. Ojeda, C. Alzate,J. De Brabanter, K. Pelckmans, B. De Moor,J. Vandewalle, J.A.K. Suykens.2010. LS-SVMlab Toolbox User’s Guide version 1.7. Katholieke Universiteit Leuven.

Park, B., Y. R. Chen. 1996. Multispectral Image Co-occurrence Matrix Analysis for Poultry Carcasses Inspection. Transactions of the ASABE. 39(4): 1485-1491.

Varmuza K.,Filzmoser V. 2009. Multivariate Statistical Analysis in Chemometrics. Vienna University of Technology.Austria.

Wu Di, He Yong , Feng Shuijuan , Sun Da-Wen.2008. Study on infrared spectroscopy technique for fast measurement of protein content in milk powder based on LS-SVM. Journal of Food Engineering 84 (2008) 124–131.

Yang, Chun-Chieh, Kuanglin Chao, Yud-Ren Chen, Moon S. Kim. 2004. Application of multispectral imaging for identification of systemically diseased chicken. Paper number 043034, 2004 ASAE Annual Meeting.

Yang, C. C., K. Chao, Y. R. Chen, M. S. Kim, H. L. Early. 2006. Simple multispectral image analysis for systemically diseased chicken identification. Transactions of the ASABE. Vol. 49(1): 245-257.

Zhihui Zhu, Meihu Ma. 2011. The identification of white fertile eggs prior to incubation based on machine vision and least square support vector machine. African Journal of Agricultural Research Vol. 6(12), pp.2699-2704.

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔