Formål og omfang
Denne on-demand-uddannelse introducerer deltagerne til arbejdsprincipper og anvendelser af hyperspektral billeddannelse på landbrugsfødevareområdet. Kurset dækker sensortyper (linescan, snapshot), måleopsætning, spektralfortolkning, forbehandlingsteknikker og maskinindlæringsarbejdsgange til klassificering og regression.
Gennem praktiske eksempler fra afgrøder og fødevarer (f.eks. porre, kartoffel, kød) lærer deltagerne at oprette målinger, behandle hyperspektrale data og evaluere modeller til brug i den virkelige verden.
Hvis du vil have mere information om træningen, så kontakt os. Marijke.hunninck@ilvo.vlaanderen.be
Læringsmål
Ved afslutningen af uddannelsen vil deltagerne kunne:
- Forklar arbejdsprincipperne for hyperspektrale sensorer og billedbehandlingsmetoder.
- Oprette en hyperspektral målekampagne for landbrugsfødevareapplikationer.
- Forudbehandle og analysere hyperspektrale data ved hjælp af grundlæggende maskinindlæringsteknikker (PLSR, SVM).
- Fortolke vegetationsindekser og spektrale fingeraftryk, der er relevante for plante- og fødevarekvaliteten.
- Vurdere gennemførligheden af at gennemføre hyperspektral billeddannelse i deres egne use cases.
Læringsudbytte
Deltagere, der gennemfører denne uddannelse, vil kunne:
- Skelne mellem linecan, snapshot og spektralt scannede hyperspektrale systemer.
- Anvende spektrale forbehandlinger såsom maskering og normalisering.
- Uddrag og analysér middelspektre for både klassificerings- og regressionsopgaver.
- Brug hyperspektrale data til at vurdere plantens friskhed, opdage kartoffelfejl eller klassificere kødtyper.
- Identificere begrænsninger og potentiale for hyperspektrale opsætninger til laboratorie- eller industrimiljøer.
Hvem bør deltage?
Forskere, kvalitetskontrolspecialister, afgrøde- og fødevareanalytikere, dataforskere og fagfolk, der arbejder med ikke-invasive sensorteknologier inden for landbrugsfødevarer.
Gennemførelse af kunstig intelligens
Data (dataområde/bigdata)
I andre tilfælde
Tjenesteydelser
Software-/AI-model