10.3964/j.issn.1000-0593(2023)09-2894-08
基于BWO-SVM算法的广陈皮陈化年份高光谱鉴别模型
针对市场中存在广陈皮年份造假、以次充好等问题,提出一种基于黑寡妇优化算法(BWO)和支持向量机模型(SVM)的广陈皮陈化年份高光谱鉴别方法.以四类陈化年份(5~20 年)的广陈皮作为实验对象,采集样本的高光谱图像数据(385~1 014 nm波长),通过镜头校准和反射率校准后提取样本感兴趣区域的平均光谱数据.首先,采用多项式平滑算法(SG),结合多元散射校正算法(MSC)和去趋势算法(detrend)对数据进行降噪处理;然后,分别采用连续投影算法(SPA)、竞争性自适应重加权与逐步回归混合算法(CARS_SR)筛选出特征波段;最后,提出以均方根误差(RMSE)为适应度函数,分别使用偏最小二乘判别分析模型(PLS)、粒子群算法优化 SVM模型(PSO-SVM)和蝗虫算法优化 SVM模型(GOA-SVM)对广陈皮的陈化年份进行鉴别,并通过采用BWO算法优化 SVM模型(BWO-SVM)来得到鉴别模型的最优参数.结果发现:SG_detrend算法对广陈皮高光谱数据具有较好的降噪能力,CARS_SR算法具有较好的特征信息提取能力;与PLS、PSO-SVM和 GOA-SVM相比,BWO-SVM算法可以得到更好的鉴别模型控制参数;SG_detrend-CARS_SR-BWO-SVM模型对广陈皮陈化年份的鉴别准确率达到 97.59%,RMSE 为 0.060 2,R2 为0.952 9.该工作为实现广陈皮陈化年份的快速无损鉴别提供了新方法,也为便携式鉴别仪器或在线生产设备研发提供了理论依据.
高光谱、广陈皮、陈化年份、支持向量机、黑寡妇优化算法
43
S567.9(经济作物)
国家自然科学基金;广东省自然科学基金项目;广东省普通高校重点领域专项;现代农业产业技术体系建设专项资金项目
2023-09-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
2894-2901