半透射高光谱成像技术与支持向量机的马铃薯空心病无损检测研究

摘要：

针对马铃薯空心病的难以检测问题，提出了一种基于半透射高光谱成像技术结合支持向量机（sup-port vector machine ，SVM ）的马铃薯空心病无损检测方法。选取224个马铃薯样本（合格149个，空心75个）作为研究对象，搭建了马铃薯半透射高光谱图像采集系统，采集了马铃薯样本半透射高光谱图像（390～1040 nm），对感兴趣区域内的光谱进行平均和光谱特征分析。采用变量标准化（normalize）对原始光谱进行光谱预处理，建立了全波段的SVM判别模型，模型对测试集样本的识别准确率仅为87.5％。为了提高模型性能，采用竞争性自适应重加权算法（competitive adaptive reweighed sampling algorithm ，CARS）结合连续投影算法（successive projection algorithm ，SPA）对光谱全波段520个变量进行变量选择，最终确定了8个光谱特征变量（454，601，639，664，748，827，874和936 nm），所选8个光谱变量建立的SVM模型对马铃薯测试集的识别率为94.64％。分别采用人工鱼群算法（artificial fish swarm algorithm ，AFSA）、遗传算法（genet-ic algorithm ，GA）和网格搜索法（grid search algorithm）对SVM模型的惩罚参数 c和核参数 g进行优化。经过建模比较分析，确定AFSA为最优优化算法，最优模型参数为 c＝10.6591，g＝0.3497，确定 AFSA-S V M 模型为马铃薯空心病的最优识别模型，该模型总体识别率达到100％。试验结果表明：基于半透射高光谱成像技术结合CARS-SPA与AFSA-SVM方法能够对马铃薯空心病进行准确的检测，也为马铃薯空心病的快速无损检测提供技术支持。

关键词：高光谱成像、支持向量机、人工鱼群算法、空心病、马铃薯

分类号：S532;TP391.41(薯类作物)

资助基金：国家自然科学基金项目61275156;湖北省自然科学基金重点项目2011CDA033

在线出版日期：2015-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：198-202