10.3964/j.issn.1000-0593(2015)09-2639-05
高光谱成像技术的柚类品种鉴别研究
柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用 Kennard-Stone 法将样本划分为校正集(192个)和验证集(48个)。采用多元散射校正(MSC)和标准正态变量变换(SNV)对原始光谱曲线进行预处理后,分别采用主成分分析(PCA)和连续投影算法(SPA )提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量,建立基于叶片上表面和下表面光谱信息的 PCA-LS-SVM 和 SPA-LS-SVM 模型。结果显示,基于叶片上表面光谱信息建立的 PCA-LS-SVM 和 SPA-LS-SVM 模型对建模集样本的识别正确率分别为99.46%和98.44%,对预测集样本的识别正确率均为95.83%。基于叶片下表面光谱信息建立的 PCA-LS-SVM 和 SPA-LS-SVM 模型对建模集样本和预测集样本的识别正确率皆为100%。表明,利用高光谱成像技术结合 PCA-LS-SVM 和 SPA-LS-SVM 可实现柚类品种的快速鉴别,叶片下表面光谱信息鉴别效果优于叶片上表面。该研究为柚类的品种快速鉴别提供了一种新方法。
高光谱成像、柚、品种鉴别、连续投影算法、主成分分析、最小二乘支持向量机
O657.3(分析化学)
国家863计划项目2012AA101904;国家国际科技合作专项2013DFA11470;国家星火计划项目2012GA8110017;重庆市国际科技合作项目CSTC2011gjhz80001;国家科技支撑计划2014BAD16B01;重庆市科技攻关计划项目cstc2012gg-yyjs8002
2015-11-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
2639-2643