HSICHOI
commented
1 year ago (서론) 초분광 영상 기술은 분광 기술과 영상 기술이 혼합된 기술 분광 기술을 빛을 이용해서 시료에 빛을 비춰주고 나오는 신호를 측정하는 센서로 측정하게 되겠고, 그리고 이러한 근적외선 신호들을 머신 비전 카메라를 이용해서 영상 신호와 두 개가 융합된 기술
빛을 비춰줬을 때 나오는 신호를 측정 하는데 카메라에서 나오는 모든 픽셀에 분광 스펙트럼 정보가 측정이 되고, 또한 모든 파장에서, 각 파장별로 영상을 획득 할 수가 있어서 예를 들어 사과를 촬영했을 때, 어느 부분의 성분이 당도가 높은지, 어느 부분이 오염이 되어 있는 지 등을 측정 할 수 있는 기술이 초분광 영상 기술
-근적외선 분광 기술 : 성분의 함량이나 오염 정도 측정 가능 함량이 높은 부분이나 오염된 부분을 찾을 수 없음.
- 머신비전 기술 : 오염된 부분 찾을 수 있음 -스펙트럼 정보 획득이 어려움 -오염 정도를 측정할 수 없음
-> 이 두가지 기술이 혼합 된 초분광 이미지 기술
당도의 성분, 수치 등이 측정 가능한 초분광 영상 기술
초분광 영상 데이터 측정 방법
- 포인트 스캔( 한 점을 측정): 한 점을 측정해서 면에 있는 정보를 모두 다 측정을 해서 3차원 데이터를 획득 한다.
- 한 라인 씩 측정하는 ‘라인 스캔’ 누적 시켜서 3차원 데이터를 획득
- 파장별 영상(면)을 쌓아가는 ‘에어리어 스캔
구성 요소
- 초분광 영상 카메라
- 라인 라이트
- 무빙 스테이지
빛이 아래쪽에서 카메라에 들어가게 되면은
- 이미지 스펙트로 그래프(에서 분광을 시킨 후에 카메라에서 분광된 정보를 획득해서 3차원 데이터를 획득하는 방법)
예를 들어 사과 하나씩 라인별로 획득 사과에 빛을 비춰주면 사과 표면에 반사 된 빛이 조그만 카메라로 들어 감 그 빛이 이미징 스펙트로 그래프를 통해서 분광이 된 것들을 카메라에서 인식해서 3차원 데이터를 획득하는 방식
슬릿 아래 쪽에서 카메라 렌즈를 통해서, 반사된 빛이 들어가면,슬릿을 통해서 빛이 들어가고, 다시 그레이팅을 통해 분광하여 3차원 데이터를 생성 =‘3차원 큐브 데이터’ 각각의 파장 별로 데이터를 획득 할 수도 있고, 각 위치 별로 스펙트럼 정보를 획득 할 수 있는데 수십에서 수백 개의 영상들이 측정되어 있음 파장 영상을 선택해서 볼 수 있음.
=============================== (초분광 데이터 처리) -초분광 데이터 분석에서 딥러닝 기술을 가장 많이 활용하고 있는 분야는 분류와 군집화로, 분류는 식변된 데이터로 모델을 학습하여 입력 데이터가 무엇인지를 판단, 군집화는 비식별된 데이터를 같은 특성을 갖는 것끼리 묶어 그룹화 하는 것
- 딥러닝을 이용한 분광공간 분류기는 심층 신경망을 통해 더욱 함축된 특징값을 추출함으로써, 입력 데이터에서 국소 지점의 변화에 둔감하도록 학습.
-Stacked Auto-Encoder(SAE)나 Deep Belief Network (DBN) 알고리즘은 기본적으로 비식별데이터의 군집화를 위해 주로 사용, 초분광 데이터 분석에서는 입력 값의 특징을 추출하고 차원을 줄이기 위해 사용 됨.
-이들의 기본 구조는 SAE/DBN에 은닉층에서 학습을 통해 입력된 초분광 데이터의 특징 값을 추출하고 출력단에 로지스틱 회귀(LR) 분류기 등을 연결하여 데이터를 분류
-CNN 기반의 분광 공간 분류기는 기 식별된 정보를 바탕으로 모델을 학습하여 초분광 데이터를 분류하는 것으로, 각픽셀 단위의 1차원 초분광 데이터를 입력하는 1D-CNN, 임의 공간 단위의 초분광 데이터를 전처리하여 입력하는 2D-CNN, 전처리 없이 초분광 원본 데이터를 입력하는 3D-CNN이 있음.
-2D-CNN에서의 전처리는 초분광 데이터 분석에 유용한 공간 정보나 분광 정보를 학습에 추가하여 분류 성능을 높이기 위해 사용되며, 전처리 방법으로 전통적인 머신러닝 알고리즘인 PCAf를 이용한 PCA-CNN과, Gabor-CNN 등이 있음.
-최근에는 CNN에 시간적 변화를 분석하는 Recurrent CNN 도 연구되고 있다. 이는 분광 공간 특징 값의 변화를 시간에 따라 학습하게 하는 방법으로, 이를 이용하여 특정 지역에서 객체의 변화 추이를 관찰할 수 있음
초분광 이미징 분석 기술
높은 공간 및 스펙트럼 정보를 포함하는 초분광 큐브는 수십 ~ 수백 메가바이트의 대용량으로, 대기 및 기하학적인 왜곡 등 물리적인 요인뿐만 아니라, 데이터의 혼합된 픽셀, 인접 대역에서의 높은 상관관계로 인한 높은 데이터 중복성, 초분광 시그니처의 가변성, 그리고 차원의 저주(curse of the dimensionality)와 같은 많은 요인이 초분광 데이터 분석을 어렵게 한다 초분광 데이터에서 의미있는 정보를 얻기 위해서는 기본적으로 데이터 수집, 초분광 큐브의 생성, 초분광 데이터 처리, 특징값 추출의 과정을 거친다.
가 . 분광 혼합분석(Spectral Unmixing)
...
나 . 분류(Classification)
.... 다. 밴드 선택(Band Selection)
......