10.13995/j.cnki.11-1802/ts.026289
高光谱技术结合变量选择方法的甘薯冻害检测研究
为建立一种快速无损鉴别甘薯冻害的检测方法,利用高光谱技术采集900~1700 nm完好和冻害两类甘薯的高光谱信息并提取样本完好和冻害区域光谱,获得完好和冻害区域光谱343和476个.采用Kennard-Stone算法挑选训练集和预测集中完好和冻害样本.采用4种预处理方法对原始光谱预处理,选出一阶导数(first derivative,FD)为最佳的预处理方法.通过竞争性自适应重加权算法(competitive adaptive reweighted sam-pling,CARS)、迭代保留信息变量算法(iteratively retains informative variables,IRIV)以及结合连续投影算法(suc-cessive projections algorithm,SPA)的CARS-SPA和IRIV-SPA结合算法分别筛选出46、65、24和35个特征波长,并应用偏最小二乘法(partial least squares,PLS)和最小二乘支持向量机(least squares support vector machines,LS-SVM)建立甘薯冻害识别模型.结果表明,高光谱技术可以有效对甘薯冻害进行检测,CARS方法可以有效选择有用波长变量,是优于IRIV、CARS-SPA和IRIV-SPA算法的特征波长提取方法.CARS-PLS模型运算速度快且预测结果最优,其预测集样本的识别正确率、灵敏度及特异性分别为98.05%、98.84%和97.48%.该研究实现了对甘薯冻害特征的识别,为后续甘薯品质在线分选检测研究和在线检测设备的开发奠定了理论基础.
高光谱、甘薯、冻害、变量选择、品质检测
47
国家自然科学基金项目31801632
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
197-203