基于高光谱与在线序列极限学习机确证大米产地方法

摘要：

为满足快速无损的大米产地确证需求,采集吉林省梅河口市水稻主产区及松原、大安、辉南等其他水稻产区共990个大米样本的高光谱图像(400～1 000 nm)作为研究对象,利用多元散射校正(MSC)处理方法对光谱进行预处理.采用多层感知机(MLP)、极限学习机(ELM)与在线序列极限学习机(OS-ELM)算法,分别基于全波段高光谱数据以及经多维尺度分析(MDS)方法降维后的数据建立产地确证模型.结果 表明,基于全波段高光谱数据的OS-ELM模型分类性能最好,准确率达到98.3％.经MDS处理后,输入的数据变量减少了96.6％,MDS-OS-ELM模型准确率稳定在97.4％.对三种模型的训练时间进行对比分析,OS-ELM训练时间明显优于MLP,在分批次获取数据时训练时间优于ELM.为大米产地确证提供了一种高效、准确、稳定的方法.

关键词：高光谱图像技术、多维尺度分析、在线序列极限学习机、极限学习机、多层感知机

所属期刊栏目：22

分类号：S123;TS201(农业物理学)

资助基金：国家重点研发计划项目;吉林省重点科技研发项目;吉林农业大学本科生科技创新基金项目2019

在线出版日期：2020-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：96-103