プロジェクト内で分類クラスを定義する手順を紹介します。NIRハイパースペクトルカメラを使用した食品選別の例で、製品（２種類のナッツ）と、殻、石、葉などの混入物を判別しています。

分類処理の結果からオブジェクトをセグメント化する方法を紹介します。単一の素材（分類クラス）で構成されている場合、オブジェクトの検出が可能です。オブジェクトのサイズによる除去も可能です。

オブジェクトを構成内容に基づいて分類する方法を紹介します。比率やカスタムルールを使ってオブジェクトの分類ができます。動画はフライドポテトを例に、腐食や不良を含むものを判別します。

様々な種類の種を含むハイパースペクトルデータセットを使用して、オブジェクトのサイズ分布を推定したり、オブジェクトの形状を分析する方法を紹介します。

スペクトル指標を定義する方法を紹介します。動画では、ウイルス感染の影響を受けたジャガイモのクロロフィル含有量に関する指標を可視化します。葉と茎に限定して処理を行い、複数のデータで同様の結果を得る方法を示します。

独自のスペクトル指標を作成する方法を紹介します。この例では、ハイパースペクトル画像から植物の健康状態を判断するための指標を作成します。また、結果をExcelに出力し、分析する方法も説明します。

回帰モデルを使って粉体の混合比率を推定する方法を紹介します。オブジェクトの定義から、アノテーション、回帰分析を行います。結果は、オブジェクトレベルとピクセルレベルの両方でデータに適用できます。

複数データのアノテーションをExcelからインポートしてトマトの糖度（Brix：ブリックス値）推定を行う方法を紹介します。このチュートリアルでは、オブジェクト毎の結果をまとめてExcelに出力することもできます。

植物表現型解析に使用する方法を説明します。オランダにあるNPECのデータを使用し、ハイパースペクトルデータから花のオブジェクト抽出と、色素情報の取得、Excel出力を行います。