10.16259/j.cnki.36-1342/s.2022.06.013
基于近红外光谱技术的4种樟属植物识别技术研究
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.
近红外光谱、樟属植物、叶片、PCA聚类分析、识别
50
S792.23;O657.33(森林树种)
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
2023-02-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
54-60