基于高光谱成像技术识别苹果轻微损伤的有效波段研究

发布时间：2022-01-24 05:26

　　为了筛选出适用于开发苹果轻微损伤自动分级仪器的有效波段,以200个烟台富士苹果为对象进行研究。首先获取400～1 000 nm波长范围内完好和轻微损伤后0、0.5、1 h的苹果高光谱图像,然后提取完好与损伤样本感兴趣区域的平均光谱反射率数据,再利用载荷系数法（x-LW）、连续投影法（SPA）和二阶导数（second derivative）法提取特征波长,分别提取3、9和20个特征波长,并根据特征波长建立基于遗传算法优化的BP神经网络（GA-BP）和支持向量机（SVM）损伤识别模型。结果显示,三种基于特征波长提取方法建立的SVM模型对测试集的识别率（分别为77.50%、91.88%、96.88%）均高于BP-GA模型（分别为75.63%、90.63%、93.75%）,因此,SVM被确定为最佳苹果轻微损伤识别模型。最后,利用每一特征波长分别作为变量建立SVM模型。结果发现,波段811 nm识别率达到90.63%,优于其他波段,被确定为苹果轻微损伤识别的最优波段。 

【文章来源】：中国农业科技导报. 2020,22(03)北大核心CSCD

【文章页数】：8 页

【部分图文】：

完好与损伤样本的平均光谱曲线

完好与损伤样本的二阶导数光谱曲线

分别利用以上三种方法提取的每一特征波长作为变量,结合最优损伤识别模型SVM再次建模,每一波段的损伤识别结果如图7所示。可以看出,不同特征波段的识别效果各有不同,即其携带的有效信息各有不同,波段570 nm处的模型识别结果最差,仅达到62.50%,波段811 nm处的模型识别结果最好,对测试集的识别率达到90.63%,优于其他波段。因此,将波段811 nm作为识别苹果早期轻微损伤的最佳波段。该研究为开发苹果早期轻微损伤实时在线检测系统提供理论支持和依据。3 讨论

【参考文献】：
期刊论文
[1]高光谱图像技术检测苹果外部损伤[J]. 刘晶晶,刘付龙,史铁,孙超,张晋宝,门洪.  中国食品学报. 2018(01)
[2]基于高光谱成像提取苹果糖度与硬度最佳波长[J]. 冯迪,纪建伟,张莉,刘思伽,田有文.  发光学报. 2017(06)
[3]基于高光谱图像的蓝莓糖度和硬度无损测量[J]. 李瑞,傅隆生.  农业工程学报. 2017(S1)
[4]高光谱成像技术的库尔勒梨早期损伤可视化检测研究[J]. 陈欣欣,郭辰彤,张初,刘子毅,蒋浩,楼兵干,何勇.  光谱学与光谱分析. 2017(01)
[5]采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测[J]. 刘思伽,田有文,张芳,冯迪.  食品科学. 2017(08)
[6]基于冠层高光谱信息的苹果树花量估测[J]. 刘颖,王克健,谢让金,吕强,何绍兰,易时来,郑永强,邓烈.  中国农业科学. 2016(18)
[7]基于高光谱成像技术的小麦籽粒赤霉病识别[J]. 梁琨,杜莹莹,卢伟,王策,徐剑宏,沈明霞.  农业机械学报. 2016(02)
[8]基于高光谱成像技术的山楂损伤和虫害缺陷识别研究[J]. 刘德华,张淑娟,王斌,余克强,赵艳茹,何勇.  光谱学与光谱分析. 2015(11)
[9]基于高光谱技术的霉变稻谷脂肪酸含量无损检测[J]. 文韬,洪添胜,李立君,郭鑫,赵兵,张仟仟,刘付.  农业工程学报. 2015(18)
[10]基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别[J]. 汤哲君,汤全武,张然,史崇升.  湖北农业科学. 2014(15)

硕士论文
[1]基于高光谱成像技术的苹果外部损伤精确识别与分级方法研究[D]. 谈文艺.黑龙江大学 2018



本文编号：3605946