Cel i zakres
To szkolenie na żądanie wprowadza uczestników w zasady pracy i zastosowania obrazowania hiperspektralnego w dziedzinie rolno-spożywczej. Kurs obejmuje typy czujników (skan linii, migawka), konfigurację pomiaru, interpretację widmową, techniki wstępnego przetwarzania oraz przepływy pracy uczenia maszynowego do klasyfikacji i regresji.
Poprzez praktyczne przykłady z upraw i produktów spożywczych (np. por, ziemniaki, mięso) uczestnicy uczą się, jak konfigurować pomiary, przetwarzać dane hiperspektralne i oceniać modele dla rzeczywistych przypadków użycia.
Jeśli chcesz uzyskać więcej informacji na temat szkolenia, skontaktuj się z nami Marijke.hunninck@ilvo.vlaanderen.be
Cele kształcenia
Po zakończeniu szkolenia uczestnicy będą mogli:
- Wyjaśnij zasady działania czujników hiperspektralnych i metod obrazowania.
- Stworzenie hiperspektralnej kampanii pomiarowej dla zastosowań rolno-spożywczych.
- Wstępne przetwarzanie i analiza danych hiperspektralnych przy użyciu podstawowych technik uczenia maszynowego (PLSR, SVM).
- Interpretacja wskaźników roślinności i widmowych odcisków palców istotnych dla jakości roślin i żywności.
- Oceń wykonalność wdrożenia obrazowania hiperspektralnego we własnych przypadkach użycia.
Efekty uczenia się
Uczestnicy, którzy ukończą to szkolenie, będą mogli:
- Rozróżnienie między linecan, migawką i widmowo skanowanymi systemami hiperspektralnymi.
- Zastosuj widmowe operacje przetwarzania wstępnego, takie jak maskowanie i normalizacja.
- Wyodrębnić i przeanalizować średnie widma zarówno dla zadań klasyfikacji, jak i regresji.
- Wykorzystaj dane hiperspektralne do oceny świeżości roślin, wykrywania defektów ziemniaków lub klasyfikacji rodzajów mięsa.
- Zidentyfikuj ograniczenia i potencjał konfiguracji hiperspektralnych dla środowisk laboratoryjnych lub przemysłowych.
Dla kogo jest to szkolenie?
Naukowcy, specjaliści ds. kontroli jakości, analitycy upraw i żywności, naukowcy zajmujący się danymi i specjaliści pracujący z nieinwazyjnymi technologiami wykrywania w sektorze rolno-spożywczym.
Wdrażanie sztucznej inteligencji
Dane (przestrzeń danych / bigdata)
Pozostałe
Usługi
Oprogramowanie / model AI