小麦霉菌污染支持向量机判别模型的建立

摘要：

为建立一种快速判别小麦霉菌污染的方法,该研究采用近红外光谱技术结合化学计量学方法,以126份小麦样品为研究对象,通过剔除异常样品、光谱降维和预处理,采用支持向量机分类(support vector machine classification,SVM)方法建立判别模型.结果表明:运用基于马氏距离的主成分分析方法剔除异常样品5个,将原始光谱数据进行降维处理得到8个主成分,能够代表原始样本的98.80％.输入变量的最佳预处理方式为标准正态变量变换,最佳核函数为linear,核函数参数C值为10,SVM判别模型的训练集判别正确率为100％,交叉验证判别正确率为98.89％.用未参与建立判别模型的外部验证集样品对SVM判别模型进行验证,结果表明:SVM判别模型对外部验证集样品的判别正确率为100％.该研究所建立的SVM判别模型可以用于小麦霉菌污染的快速检测.

关键词：近红外光谱;小麦;霉菌;判别;支持向量机

所属期刊栏目：42

资助基金：贵州省农业科学院课题;贵州省科技计划项目

在线出版日期：2021-10-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：136-141