近地高光谱成像技术对黑豆品种无损鉴别 |
| |
引用本文: | 张初,刘飞,章海亮,孔汶汶,何勇.近地高光谱成像技术对黑豆品种无损鉴别[J].光谱学与光谱分析,2014,34(3):746-750. |
| |
作者姓名: | 张初 刘飞 章海亮 孔汶汶 何勇 |
| |
作者单位: | 张初:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058 刘飞:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058 章海亮:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058华东交通大学机电工程学院, 江西 南昌330013 孔汶汶:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058 何勇:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058
|
| |
基金项目: | 国家高技术研究发展计划(863计划)项目(2011AA100705)和中央高校基本科研业务费专项资金项目资助 |
| |
摘 要: | 基于近地高光谱成像技术结合化学计量学方法,实现了黑豆品种的鉴别。实验以三种不同颜色豆芯的黑豆为研究对象,采用高光谱成像系统采集380~1 030nm波段范围的高光谱图像,提取高光谱图像中的样本感兴趣区域平均光谱信息作为样本的光谱进行分析,建立黑豆品种的判别分析模型。共采集180个黑豆样本的180条平均光谱曲线。剔除明显噪声部分之后以440~943nm范围光谱为黑豆样本的光谱,采用多元散射校正(multiplicative scatter correction,MSC)对光谱曲线进行预处理。分别以全部光谱数据、主成分分析(principal component analysis,PCA)提取的光谱特征信息、小波分析(wavelet transform,WT)提取的光谱特征信息建立了偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA),簇类独立模式识别法(soft independent modeling of class analogy,SIMCA),最邻近节点算法(K-nearest neighbor algorithm,KNN),支持向量机(support vector machine,SVM),极限学习机(extreme learning machine,ELM)等判别分析模型。以全谱的判别分析模型中,ELM模型效果最优;以PCA提取的光谱特征信息建立的模型中,ELM模型也取得了最优的效果;以WT提取的光谱特征信息建立的模型中,ELM模型结识别效果最好,建模集和预测集识别正确率达到100%。在所有的判别分析模型中,WT-ELM模型取得了最优的识别效果。实验结果表明以高光谱成像技术对黑豆品种进行无损鉴别是可行的,且WT用于提取光谱特征信息以及ELM模型用于判别黑豆品种能取得较好的效果。
|
关 键 词: | 黑豆 高光谱成像 判别分析模型 |
收稿时间: | 2013/5/21 |
Identification of Varieties of Black Bean Using Ground Based Hyperspectral Imaging |
| |
Abstract: | |
| |
Keywords: | Black bean Hyperspectral imaging Discriminant model |
本文献已被 CNKI 等数据库收录! |
|