流形学习方法及近红外透射光谱的新疆冰糖心红富士水心鉴别

摘要：

苹果水心病在众多苹果主产区都有发生,现阶段没有合适的方法实现快速鉴别和分类.为了探索苹果水心鉴别新方法,采用近红外透射光谱与化学计量学方法结合非线性流形学习数据降维技术,逐个采集好果与疑似水心病果样本590～1250 nm的近红外透射光谱,将经光谱校正后的原始光谱做多元散射校正(multivariate scattering correction,MSC)、标准正态变量变换(standard normal variate transformation,SNVT)、二阶求导(2nd derivative)、一阶求导(1st derivative)、归一化(normalization)、卷积平滑法(savitzky-golay smoothing,SG)、均值中心化(mean centering,MC)、移动平均平滑(moving average,MA)、直接差分二阶求导(direct differential second derivative,DDSD)以及直接差分一阶求导(direct differential first deriva-tive,DDFD)等10余种光谱预处理;先对预处理后的光谱数据建立全波长模式识别模型从而找出多元散射校正是最优预处理方法,而后再分别用多维尺度分析(multidimensional scaling,MDS)、分布邻域嵌入(stochastic neighbor embedding,SNE)、对称分布邻域嵌入(symmetric stochastic neighbor embedding,Sym-SNE)、t分布邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)、拉普拉斯映射(laplacian eigen-maps,LE)、等距特征映射(isomap)、地标等距映射(landmark isomap)、局部线性嵌入(locally linear embed-ding,LLE)、扩散映射(diffusion maps,DM)等多种流形学习方法对经多元散射校正预处理后的光谱数据做降维处理,并结合马氏距离判别(mahalanobis distance discrimination,MD)、二次判别分析(quadratic dis-criminant analysis,QDA)、贝叶斯判别(Bayesian discrimination,BD)、K最近邻法(K nearest neighbor,KNN)识别其水心存在与否.结果表明,提取前12主成分,采用多元散射校正-地标等距映射-K最近邻法(MSC-landmark isomap-KNN)模型识别效果最优,校正集和预测集识别率分别为97.5% 和96.3%.故,流形学习方法结合近红外透射光谱可成功、高效地实现苹果水心鉴别,为进一步研发水心鉴别设备提供新的理论指导.

关键词：苹果水心病、近红外光谱、化学计量法、流形学习、模式识别

所属期刊栏目：40

分类号：S661.1(果树园艺)

资助基金：国家自然科学基金项目61367001

在线出版日期：2020-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2415-2420