-
题名高光谱图像结合机器学习方法无损检测猕猴桃
被引量：27
- 1
-
-
作者
霍迎秋
张晨
李宇豪
智文涛
张炯
刘景玲
-
机构
西北农林科技大学信息工程学院
埃因霍芬理工大学生物医药工程系
西北农林科技大学生命科学学院
-
出处
《中国农机化学报》
北大核心
2019年第4期71-77,共7页
-
基金
国家高技术研究发展计划子课题(2013AA10230402)
陕西省农业科技创新与攻关项目(2015NY049)
陕西省自然科学基金面上项目(2015JM3110)
-
文摘
为实现对过量使用1-MCP化学保鲜剂猕猴桃快速、无损检测,提出高光谱技术结合机器学习建立识别模型的检测方法。首先对空白猕猴桃和过量化学保鲜猕猴桃在865.11～1 711.71 nm范围内进行高光谱数据采集。然后选用标准正态变量变换方法预处理原始光谱数据以去除噪声,采用波段比算法增强图像,数学形态学算法提取感兴趣区域,进而计算光谱平均值。最后采用主成份分析(PCA)、竞争性自适应加权(CARS)方法对全光谱数据(FS)进行特征提取,去除干扰项;以PCA和CARS提取的特征量和FS数据作为输入,结合偏最小二乘(PLS)和支持向量机(SVM)建立12个识别模型。试验结果表明,基于PLS和SVM建立的识别模型均能够有效检测过量化学保鲜猕猴桃,其中CARS-SVM模型性能最好,平均正确识别率达100%,运行速度最快,仅为0.015 348 s,满足工程实践中实时性高的要求,为快速、无损检测猕猴桃果品安全提供理论支撑。
-
关键词
机器学习
竞争性自适应重加权
主成分分析
偏最小二乘
支持向量机
-
Keywords
machine learning
CARS
PCA
PLS
SVM
-
分类号
S663.4
[农业科学—果树学]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
