KLV大学 ハイパースペクトルカメラコース

ハイパースペクトルカメラ 論文・研究報告(RESONON)


全般 (14事例)

2020 (3)

2019 (2)

  • マルチフォーカスHDR VIS/NIRハイパースペクトルイメージングと芸術作品への応用。
    Multifocus HDR VIS/NIR hyperspectral imaging and its application to works of art.
    (M.A. Martinez, E.M. Valero, J.L. Nieves, R. Blanc, E. Manzano, and J.L. Vilchez. Opt. Express 27, 11323 (2019))
  • アナモルフィックイメージング分光計。
    Anamorphic imaging spectrometers.
    (R.C. Swanson, W.S. Kirk, G.C. Dodge, M. Kehoe, and C. Smith. Proc. SPIE 1098005, doi.org/10.1117/12.2515641 (2019))

2018 (2)

  • 侵入と散乱 - 近接リモートセンシング技術をオブジェクト分類に適用する際に考慮すべき2つの光学現象。
    Penetration and scattering - Two optical phenomena to consider when applying proximal remote sensing technologies to object classifications.
    (C. Nansen, , PLoS ONE 13, e0204579 (2018))
  • ハイパースペクトル画像におけるコーヒーさび病感染のさまざまな段階を分類するためのエキスパートシステムテクニックの評価。
    Evaluation of Expert Systems Techniques for Classifying Different Stages of Coffee Rust Infection in Hyperspectral Images.
    (W. Castro, J. Oblitas, J. Maicelo, and H. Avila-George. Int. J. Comput. Intell. Sys. 11, 86-100 (2018))

2013 (1)

  • ハイパースペクトル画像における空間迷光の影響の散乱領域を抽出するためのローカルファジー分散の使用。
    Use of local fuzzy variance to extract the scattered regions of spatial stray light influence in hyperspectral images.
    (C.I. Zhao, B. Qi, and C. Nansen. Optik 124, 6696 (2013))

2011 (2)

  • 画像データの分析の堅牢性。
    Robustness of analyses of imaging data.
    (C. Nansen. Optics Express 19, 16 (2011))
  • 反射率データの分類に基づく従来のサポートベクターマシンを改善するための重み付けアルゴリズムの使用。
    Use of weighting algorithms to improve traditional support vector machine based classifications of reflectance data.
    (B. Qi, C. Zhao, E. Youn, and C. Nansen. Optics Express 19, 27 (2011))

2010 (2)

  • ビスマス(Bi)を特定するためのハイパースペクトルイメージングデータの空間構造分析とフーリエ変換赤外線分析を使用。
    Using Spatial Structure Analysis of Hyperspectral Imaging Data and Fourier Transformed Infrared Analysis to Determine Bi.
    (C. Nansen, N. Abidi, A.J. Sidumo, and A.H. Gharalari. Remote Sensing 2, 908 (2010))
  • ルーフラインを備えたイメージング分光計の変調伝達関数の測定。
    Measuring the modulation transfer function of an imaging spectrometer with rooflines of opportunity.
    (P.W. Nugent, J.A. Shaw, M.R. Kehoe, C.W. Smith, T.S. Moon, and R.C. Swanson, Optical Engineering 49, 103201 (2010))

2008 (1)

  • アナモルフィックイメージング分光計。
    Anamorphic Imaging Spectrometer.
    (R.C. Swanson, T.S. Moon, C.W. Smith, M.R. Kehoe, S.W. Brown, and K.R. Lykke. Proc. SPIE 6940, 694010 (2008))

2007 (1)

  • ルーフライン画像を使用した無限焦点のイメージング分光計のMTF測定。
    Measuring the MTF of imaging spectrometers at infinite focus with roofline images.
    (P.W. Nugent, J.A. Shaw, M.R. Kehoe, C.W. Smith, T.S. Moon, and R.C. Swanson. Proc. SPIE 6661, 1 (2007)).

農業 & 食品技術 (35事例)
Agriculture & Food Technology

2020 (1)

2019 (3)

  • 小麦の高スループット収量表現型のための空中ハイパースペクトル画像とディープニューラルネットワーク。
    Aerial hyperspectral imagery and deep neural networks for high-throughput yield phenotyping in wheat.
    (A. Moghimi, C. Yang, J.A. Anderson, eprint arXiv:1906.09666 (2019))
  • UAVハイパースペクトルデータに基づく冬小麦の収量の推定モデル。
    Estimation Model of Winter Wheat Yield Based on Uav Hyperspectral Data.
    (S. Yang, L. Hu, H. Wu, W. Fan, and H. Ren. IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium, 7212 (2019))
  • 機械学習によるハイパースペクトルイメージングを用いた非ジカンバ耐性ダイズのジカンバによる作物被害の評価。
    Assessing crop damage from dicamba on non-dicamba-tolerant soybean by hyperspectral imaging through machine learning.
    (J. Zhang, Y. Huang, K.N. Reddy, and B. Wang. Pest Manag. Sci. 75, 3260 (2019))

2018 (11)

  • ハイパースペクトルイメージングを用いた草食性昆虫に応答する植物間コミュニケーションの特徴付け。
    Hyperspectral imaging to characterize plant-plant communication in response to insect herbivory.
    L. Ribeiro, A. Klock, J. Filho, M. Tramontin, A. Trapp, A. Mithofer, and C. Nansen. Plant Methods 14:54, (2018))
  • ハイパースペクトルイメージングによる除草剤耐性コキア(箒木)の識別。
    Discrimination of herbicide-resistant kochia with hyperspectral imaging
    (P.W. Nugent, J.A. Shaw, P. Jha, B. Scherrer, A. Donelick, and V. Kumar. J. of Appl. Remote Sens. 12(1), 016037 (2018))
  • グリホサート耐性とグリホサート感受性イタリアンライグラスを区別するためのハイパースペクトルイメージング。
    Hyperspectral Imaging for Differentiating Glyphosate-Resistant and Glyphosate-Susceptible Italian Ryegrass.
    (Y. Huang, M.A. Lee, V .K. Nandula, and K.N. Reddy. Am. J. Plant Sci. 9, 1467 (2018))
  • 小麦のLAIおよびクロロフィル推定による収量予測のための高解像度UAVベースのハイパースペクトル画像。
    High-Resolution UAV-Based Hyperspectral Imagery for LAI and Chlorophyll Estimations from Wheat for Yield Prediction.
    (M. Kanning, I. Kühling, D. Trautz, and T. Jarmer. Remote Sensing 10, 2000 (2018))
  • 寄生虫への宿主昆虫幼虫による生理学的応答を非破壊的に検出および診断するための近位リモートセンシング。
    Proximal Remote Sensing to Non-destructively Detect and Diagnose Physiological Responses by Host Insect Larvae to Parasitism.
    (C. Nansen and M. R. Strand. Front. Physiol. 9:1716. doi: 10.3389/fphys.2018.01716, (2018))
  • ハイパースペクトルイメージングを使用した小麦の耐塩性の評価への新しいアプローチ。
    A Novel Approach to Assess Salt Stress Tolerance in Wheat Using Hyperspectral Imaging.
    (A. Moghimi, C. Yang, M.E. Miller, S.F. Kianian, and P.M. Marchetto. Front. Plant Sci. 24, doi.org/10.3389/fpls.2018.01182 (2018))
  • 植物の表現型のアンサンブル機能の選択:ハイパースペクトルからマルチスペクトルイメージングへの道のり。
    Ensemble Feature Selection for Plant Phenotyping: A Journey From Hyperspectral to Multispectral Imaging.
    (A. Moghimi, C. Yang, and P.M. Marchetto. IEEE Access 6, doi: 10.1109/ACCESS.2018.2872801 (2018))
  • ブドウ品種の分類のためのフィールド条件下でのハイパースペクトルイメージングと機械学習。
    On-The-Go Hyperspectral Imaging Under Field Conditions and Machine Learning for the Classification of Grapevine Varieties.
    (S. Gutiérrez, J. Fernández-Novales, M.P. Diago and J. Tardaguila. Front. Plant Sci. 9, doi.org/10.3389/fpls.2018.01102 (2018))
  • グレープベリーの可溶性固形分とアントシアニン濃度をフィールドで推定するためのハイパースペクトルイメージング。
    On-the-go hyperspectral imaging for the in-field estimation of grape berry soluble solids and anthocyanin concentration.
    (S. Gutierrez, J. Tardaguila, J. Fernandez-Novales and M.P. Diago. , Aust. J. Grape Wine Res. 18, 173-182 (2018))
  • スペクトルプロファイルを使用したスイス型チーズの熟成プロセス中の硬度モデリングのための人工ニューラルネットワークと部分最小二乗回帰モデルの比較。
    Comparison between artificial neural network and partial least squares regression models for hardness modeling during the ripening process of Swiss-type cheese using spectral profiles.
    (N. Vasquez a, C. Magan, J. Oblitas, T. Chuquizuta, H. Avila-George, and W. Castro. J. Food E.ng. 219, 8-15 (2018))
  • 5種類の白いキノア粒の水分活性のモデリングのためのスペクトルプロファイルの有効性。
    Feasibility of using spectral profiles for modeling water activity in five varieties of white quinoa grains.
    (W. Castro, J.M. Prieto, R. Guerra, T. Chuquizuta, W.T. Medina, B. Acevedo-Juarez, and H. Avila-George , J. Food Eng. 238, 95-102 (2018))

2017 (5)

  • 管理規模での植生ストレスの検出におけるマルチスペクトルセンサとハイパースペクトルセンサの合意分析と空間感度。
    Agreement analysis and spatial sensitivity of multispectral and hyperspectral sensors in detecting vegetation stress at management scales.
    (M. Morin, R. Lawrence, K. Repasky, T. Sterling, C. McCann, and S. Powell. J. of Appl. Remote Sens. 11(4), 046025 (2017)
  • 異常検出のための混合農業地域と草原地域の多時期メソスケールのハイパースペクトルデータ。
    Multi-temporal mesoscale hyperspectral data of mixed agricultural and grassland regions for anomaly detection.
    (C. McCann, K.S. Repasky, R. Lawrence, and S. Powell. ISPRS Journal of Photogrammetry and Remote Sensing 131, 121 (2017))
  • 無脊椎動物の非侵襲的表現型分類における近位リモートセンシングの使用。
    Using proximal remote sensing in non-invasive phenotyping of invertebrates.
    (Li X, Xu H, Feng L, Fu X, Zhang Y, Nansen C. PLoS One 12(5), e0176392 (2017))
  • パルマ・アマランサスの種子発芽とトリフロキシスルフロンメチル応答を評価するためのハイパースペクトル技術。
    Hyperspectral Technologies for Assessing Seed Germination and Trifloxysulfuron-methyl Response in Amaranthus palmeri(Palmer Amaranth).
    (M. Matzrafi, I. Herrmann, C. Nansen, T. Kliper, Y. Zait, T. Ignat, D. Siso, B. Rubin, A. Karnieli, and H. Eizenberg. Frontiers in Plant Science 8, 474 (2017))
  • ハイパースペクトルイメージング(HIS)と部分最小二乗回帰(PLSR)を使用したビーフの霜降りの予測。
    Prediction of beef marbling using Hyperspectral Imaging (HSI) and Partial Least Squares Regression (PLSR).
    (V. Aredo, L. Velasquez, and R. Siche. Scientia Agropecuaria 8, 169-174 (2017))

2016 (1)

  • ハイパースペクトルイメージングを使用したコーヒーブランドとそれぞれの焙煎クラスの一貫性の特徴付け。
    Using hyperspectral imaging to characterize consistency of coffee brands and their respective roasting classes.
    (C. Nansen, K. Singh, A. Mian, B.J. Allison, C.W. Simmons. J. Food Eng. 190, 34-39 (2016))

2015 (1)

  • ハイパースペクトルイメージングを使用したオーストラリア原産の植物種子の発芽の判定。
    Using hyperspectral imaging to determine germination of native Australian plant seeds.
    (C Nansen, G. Zhao, N. Dakin, C. Zhao, and S.R. Turner. Journal of Photochemistry & Photobiology B 145, 19 (2015))

2014 (4)

  • ハイパースペクトル画像を使用したグリホサート耐性およびグリホサート感受性イタリアンライグラスの区別。
    Differentiating glyphosate-resistant and glyphosate-sensitive Italian ryegrass using hyperspectral imagery.
    (M.A. Lee, Y. Huang, V.K. Nandula, and K.N. Reddy. , Proc. SPIE 9108 (2014))
  • グリホサート耐性およびグリホサート感受性のパルマ・アマランサス:植物のハイパースペクトル反射特性と分類の可能性。
    Glyphosate‐resistant and glyphosate‐susceptible Palmer amaranth (Amaranthus palmeri S. Wats.): hyperspectral reflectance properties of plants and potential for classification.
    (K.N. Reddy, Y. Huang, M.A., Lee, V.K. Nandula, R.S. Fletcher, S.J. Thomson and F. Zhao. Pest Management Science, (2014))
  • ゾウムシの侵入によって引き起こされる内部欠陥がある場合とない場合のエンドウを分類するためのバリオグラム分析。
    Use of variogram analysis to classify field peas with and without internal defects caused by weevil infestation.
    (C. Nansen, X. Zhang, N. Aryamanesh, and G. Yan. J. Food Eng. 123, 17 (2014))
  • 自動監視への応用を伴うハイパースペクトル画像のバンド選択のための進化的改良アプローチ。
    Evolutionary refinement approaches for band selection of hyperspectral images with applications to automatic monitoring.
    ((P. Wilcox, T.M. Horton, E.Youn, M.K. Jeong, D. Tate, T. Herman, and C. Nansen. Intelligent Data Analysis 18, 25 (2014))

2013 (2)

  • ハイパースペクトル画像における空間迷光の影響の散乱領域を抽出するためのローカルファジー分散の使用。
    Use of local fuzzy variance to extract the scattered regions of spatial stray light influence in hyperspectral images.
    (C.I. Zhao, B. Qi, and C. Nansen. Optik 124, 6696 (2013))
  • 異なる灌漑体制におけるトウモロコシの葉と植物のカリウム含有量に対するハダニの「バイオ応答」の反射率ベースの評価。
    Reflectance-based assessment of spider mite “bio-response” to maize leaves and plant potassium content in different irrigation regimes.
    (C. Nansen, A.J. Sidumo, X. Martini, K. Stefanova, and J.D. Roberts. Computers and Electronics in Agriculture 97, 21 (2013)))

2012 (1)

  • 二重ストレス作物の葉から取得したハイパースペクトル画像データの分析におけるバリオグラムパラメーターの使用。
    Use of Variogram Parameters in Analysis of Hyperspectral Imaging Data Acquired from Dual-Stressed Crop Leaves.
    (C. Nansen. Remote Sensing 4, 180 (2012))

2011 (1)

  • ZC Researchでのハイパースペクトルイメージングの使用。
    Using Hyperspectral Imaging in ZC Research.
    (C. Nansen, S. Prager, B. Qi, X. Martini, M. Lewis, and K. Vaugn. Proc. 11th Annual SCRI Zebra Chip Reporting Session, 70 (2011))

2010 (2)

  • 動物飼料サンプル中の骨粉のマシンビジョン検出。
    Machine Vision Detection of Bonemeal in Animal Feed Samples.
    (C. Nansen, T. Herrman, and R. Swanson. Applied Spectroscopy 64, 637 (2010))
  • トウモロコシ植物の生物的および非生物的ストレスの影響を特徴付け、バイオ燃料の可能性を推定するためのハイパースペクトルデータのバリオグラム分析。
    Variogram Analysis of Hyperspectral Data to Characterize the Impact of Biotic and Abiotic Stress of Maize Plants and to Estimate Biofuel Potential.
    (C. Nansen, A.J. Sidumo, and S. Capareda. Applied Spectroscopy 64, 6 (2010))

2009 (2)

  • 低コストのハイパースペクトル画像を使用した侵入種のマッピング。
    Invasive species mapping using low cost hyperspectral imagery.
    (S. Jay, R. Lawrence, K. Repasky, and C. Keith. ASPRS Annual Conference, Baltimore MD, (2009))
  • 小麦植物における昆虫誘発ストレスの検出のためのハイパースペクトルデータキューブの空間構造分析の使用。
    Use of spatial structure analysis of hyperspectral data cubes for detection of insect-induced stress in wheat plants.
    (C. Nansen, T. Macedo, R. Swanson, and D.K. Weaver. International Journal of Remote Sensing 30, 2447 (2009))

2008 (1)

  • トウモロコシの穀粒の分析によって例示される、食品の分類におけるハイパースペクトル画像データの使用に関する考慮事項。
    Considerations Regarding the Use of Hyperspectral Imaging Data in Classifications of Food Products, Exemplified by Analysis of Maize Kernels.
    (C. Nansen, M. Kolomeits, and X. Gao. J. of Ag. and Food Chem. 14, 2933 (2008))

環境モニタリング (5事例)
Environmental Monitoring

2020 (1)

2019 (1)

  • 五大湖地域における有害な藻類ブルームのUAVハイパースペクトルおよび衛星画像:藻類ブルームの検知に成功。
    Airborne hyperspectral and satellite imaging of harmful algal blooms in the Great Lakes Region: Successes in sensing algal blooms.
    (J. Lekki, S. Ruberg, C. Binding, R. Anderson, and A. VanderWoude. J. Great Lakes Research 45, 405 (2019))

2018 (1)

2010 (1)

  • 地表付近のCO2検出技術と輸送モデルをテストするための、米国モンタナ州ボーズマンの浅い地下制御放出施設。
    A shallow subsurface controlled release facility in Bozeman, Montana, USA, for testing near surface CO2 detection techniques and transport models.
    (L.H. Spangler et al. Env. Earth Sci. 60, 227 (2010))

2009 (1)

  • ハイパースペクトルイメージャーを使用した、植生に対する制御された地下二酸化炭素放出の影響の監視。
    Monitoring effects of a controlled subsurface carbon dioxide release on vegetation using a hyperspectral imager.
    (CJ Keith, KS Repasky, RL Lawrence, SC Jay, JL Carlsten. Int. J. of Greenhouse Gas Control 3, 626 (2009))

UAV、リモートセンシング (5事例)
Airborne Hyperspectral Remote Sensing

2019 (2)

  • ハイパースペクトルイメージングと機械学習を利用して柑橘類の潰瘍病の検出する為のUAVベースのリモートセンシング技術。
    UAV-Based Remote Sensing Technique to Detect Citrus Canker Disease Utilizing Hyperspectral Imaging and Machine Learning.
    (J. Abdulridha, O. Batuman, and Y. Ampatzidis. Remote Sensing 11, 1373 (2019))
  • UAVによるハイパースペクトルリモートセンシング画像取得と処理技術の研究。
    Research on hyperspectral remote sensing image acquisition and processing technology based on uav.
    (C. Zhihu, T. Qiangqian, Z. Zeying, and Y. Yanbin. Journal of Guizhou Normal University (Natural Sciences) 37, 52-57 (2019))

2012 (1)

  • UAVから取得されたハイパースペクトル画像のラジオメトリック分析とジオメトリック分析。
    Radiometric and Geometric Analysis of Hyperspectral Imagery Acquired from an Unmanned Aerial Vehicle.
    (R. Hruska, J. Mitchell, M. Anderson and N.F. Glenn. Remote Sensing 4, 2736 (2012))

2010 (1)

  • 戦術サイズのUAVでの小さなセンサーペイロードの操作。
    Operation of small sensor payloads on tactical sized unmanned air vehicles.
    (M.C.L. Patterson and A. Brescia, Aeronautical Journal 114, 427 (2010))

2007 (1)

  • コンパクトなアナモルフィックイメージング分光計。
    Compact Anamorphic Imaging Spectrometer.
    (R.C. Swanson, M.R. Kehoe, C.W. Smith, T.S. Moon, R. Bousquet, S.W. Brown, K.R. Lykke, P. Maciejewski, and K. Barnard. 2007 Meeting of the Military Sensing Symposia (MSS) Specialty Group On Camouflage, Concealment & Deception 1, (2007))

バイオテクノロジー (7事例)

2019 (1)

  • ハイパースペクトル画像で説明可能な3Dディープラーニングを使用した植物病の識別。
    Plant disease identification using explainable 3D deep learning on hyperspectral images.
    (K. Nagasubramanian1, S. Jones, A. K. Singh, S. S., A. Singh, and B. Ganapathysubramanian. Plant Methods 15, (2019))

2016 (1)

  • 固体発色培地上の細菌コロニーの推定同定のためのハイパースペクトル画像。
    Hyperspectral imaging for presumptive identification of bacterial colonies on solid chromogenic culture media.
    (M. Guillemort, R. Midahuen, D. Archeny, C. Fulchiron, R. Montvernay, G. Perrin, and D. Leroux. Proc. SPIE 9887, 98873L (2016))

2015 (1)

  • 自動化された微生物学ワークフローの微生物分類に適用されるハイパースペクトル画像。
    Hyperspectral imaging applied to microbial categorization in an automated microbiology workflow.
    (D. Leroux, R. Midahuen, G. Perrin, J. Pescatore, and P. Imbaud. Proc. SPIE-OSA 9537, 953726 (2015))

2009 (2)

  • サンゴと藻類の相互作用のハイパースペクトルおよび生理学的分析。
    Hyperspectral and Physiological Analyses of Coral Algal Interactions.
    (K. Barott, J. Smith, E. Dinsdale, M. Hatay, S. Sandin, and F. Rohwer. PloS ONE 4, e8043 (2009))
  • 細胞および微生物群集における色素の識別のためのモジュール式スペクトル画像システム。
    Modular spectral imaging system for discrimination of pigments in cells and microbial communities.
    (L. Polerecky, A. Bissett, M. Al-Najjar, P. Faerber, H. Osmers, P.A. Suci, P. Stoodley, and D. de Beer. Appl. and Env. Microbio. 75, 758 (2009))

2008 (2)

  • 光合成微生物群集と共生の機能的および構造的イメージング。
    Functional and structural imaging of phototrophic microbial communities and symbioses.
    (M. Kühl and L. Polerecky. Aquatic Microbial Ecology 53, 99 (2008))
  • 高塩性微生物における光色素の分布とクロロフレクサス様細菌の活動の2次元マッピング。
    Two-dimensional mapping of photopigment distribution and activity of Chloroflexus-like bacteria in a hypersaline microbe.
    (A. Bachar, L. Polerecky, J.P. Fischer, K. Vamvakopoulos, D. de Beer, and H.M. Jonkers. FEMS Microbial Ecology 65, 434 (2008))