柑桔黄龙病近红外光谱无损检测

摘要：

为探讨快速无损检测柑桔黄龙病的可行性，应用近红外光谱技术结合机器学习方法进行研究。在4000～9000cm-1光谱范围内，采集黄龙病、缺素和健康3类叶片样本的近红外光谱。采用一阶导数、平滑和多元散色校正组合的光谱预处理方法，消除光谱的基线漂移和散射效应。分别对偏最小二乘判别模型（PLS-DA）的主成分因子数和最小二乘支持向量机（LS-SVM）的输入变量数量、核函数类型及其参数进行了优化，建立了 PLS-DA 和 LS-SVM 模型。采用预测集样本，评价模型的预测能力，经比较，采用11个主成分得分向量为输入、线性核函数和惩罚因子为2.25的 LS-SVM 模型预测效果最佳，模型误判率为0。结果表明采用近红外光谱技术结合最小二乘支持向量机进行柑桔黄龙病无损检测是可行的。

关键词：光谱分析、模型、近红外光谱技术、黄龙病、柑桔、机器学习、支持向量机

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划资助项目SS2012AA101306；江西省科技支撑计划2012BF60054

在线出版日期：2016-07-14（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：202-208