基于近红外光谱技术的4种樟属植物识别技术研究

摘要：

探究近红外光谱分析技术应用于樟属植物识别的可行性,为樟属植物识别提供一个新方法.本研究运用近红外光谱仪采集猴樟、黄樟、油樟、银木4种樟属植物叶片的近红外光谱信息,并结合PCA聚类分析(PCA-Cluster)和偏最小二乘判别分析法(PLS-DA)建立识别模型.结果表明:运用PCA-Cluster方法,选择4400～4800 cm-1、5400～6600 cm-1、7800～10000 cm-1建模波段,Segment 5 Gap5的3点二阶泰勒求导(ds2)方法对光谱数据进行预处理所建模型的识别效果最好,对外部验证集样品的识别率达97.5％;运用PLS-DA方法选择4000～8000 cm-1波段,一阶导数、5点平滑两种预处理相结合的方法建立判别模型性能最佳,其校正集相关系数(Rc2)为0.923,交叉验证均方根误差(RMSEC)为0.1202,利用所建模型对外部验证集样品进行识别,识别率为100％.说明近红外光谱技术能够用于不同种樟属植物的识别.

关键词：近红外光谱、樟属植物、叶片、PCA聚类分析、识别

所属期刊栏目：50

分类号：S792.23;O657.33(森林树种)

资助基金：江西省重点研发计划项目;江西省重点研发计划项目;江西省林业科技创新专项项目

在线出版日期：2023-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：54-60