高光谱技术结合网格搜索优化支持向量机的桃缺陷检测

摘要：

为快速区分完好桃、疮痂桃、腐烂桃(虫咬桃、鸟啄桃),实现久保桃外部缺陷的无损检测,该研究利用高光谱技术对久保桃的外部缺陷进行了研究.共采集 302 个久保桃样本(120 个完好桃样本、120 个缺陷桃样本、62 个验证桃样本),对比经光谱学、基线校正、中值滤波(median filter,MF)等 5 种预处理方法建立偏最小二乘法模型的准确率,选取经 MF预处理后的光谱数据进行后续建模研究.采用回归系数法、竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)提取特征波长,建立网格搜索法优化支持向量机(grid search optimized support vector machines,GS-SVM)模型、遗传算法优化 SVM 模型、粒子群算法优化的 SVM 模型并进行对比分析.结果表明,CARS-GS-SVM 模型预测效果最好,其训练集的判别率为 93.33%,预测集的判别率为96.77%,验证集的判别准确率为 91.94%,运行时间为 11.5 s.该研究利用高光谱技术结合 CARS-GS-SVM 模型实现了久保桃外部缺陷的检测,为开发水果的分级分选设备提供了理论基础.

关键词：高光谱、久保桃、外部缺陷、网格搜索法优化支持向量机、检测

所属期刊栏目：49

分类号：TP391.41;TS255.3;O657.33

资助基金：国家自然科学基金;山西省重点研发计划项目

在线出版日期：2023-09-05（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：269-275