基于高光谱图像的红豆品种GA-PNN神经网络鉴别

发布时间：2017-10-09 19:40

本文关键词：基于高光谱图像的红豆品种GA-PNN神经网络鉴别

【摘要】：提出一种基于高光谱图像技术的红豆品种鉴别方法。利用高光谱成像系统采集江苏、安徽、山东的3个品种共162个红豆样本高光谱图像数据,通过ENVI软件提取出红豆中感兴趣区域的平均光谱作为该样本原始光谱信息,利用SG多项式平滑对原始光谱数据进行去噪处理,由于高光谱数据信息量大,冗余性强,故需对高光谱数据进行降维,采用了连续投影算法进行特征波长选择,根据交叉验证均方根误差确定最佳特征光谱的个数为9,采用主成分分析法和独立分量分析算法进行特征波长提取,经过PCA处理,根据方差累计贡献率大于85%的标准选出7个特征波长,ICA分别提取了7、10、17个特征波长,通过测试集验证,选出17个最佳特征波长。最后分别将优选出的特征波长和提取出的最优主成分作为模型的输入。建立概率神经网络(PNN)模型测试后发现结果没有达到预期精度,引入遗传算法(GA)优化的PNN神经网络的阈值,并对隐含层节点进行最优选择。通过测试试验,所有的模型识别正确率均高于85%,其中SPA-GA-PNN模型的效果最佳,识别正确率达到了97.5%。
【作者单位】：江苏大学电气信息工程学院;江苏大学现代农业装备与技术教育部重点实验室;
【关键词】：红豆 高光谱图像 品种鉴别 特征波长 概率神经网络 遗传算法
【基金】：国家自然科学基金项目(31471413、31401286) 江苏高校优势学科建设工程项目PAPD(苏政办发(2011)6号) 江苏大学现代农业装备与技术重点实验室开放基金项目(NZ201306) 江苏省六大人才高峰项目(ZBZZ-019) 中国博士后科学基金项目(2014M561594) 江苏省自然科学基金项目(BK20141165、20140550)
【分类号】：S521;O657.3
【正文快照】： 引言传统检测方法以感官和化学试验分析方法为主,这类方法费时费力、破坏性强、准确率较低[1]。高光谱图像技术是一种无损检测技术,既包含光谱信息又包含图像信息,近年来发展较为迅速,在国内外农副产品检测中已有应用[2-9],但尚未见红豆品种鉴别应用的报道。红豆在我国各地均

【相似文献】

中国期刊全文数据库前10条

1 付妍;徐冉冉;陈兴海;;基于高光谱图像技术的果蔬表面农药残留检测研究[J];食品安全导刊;2012年05期

2 万相梅;黄敏;朱启兵;;基于高光谱散射图像的苹果压缩硬度和汁液含量无损检测[J];食品工业科技;2012年06期

3 李刚;熊婵;林凌;佟颖;张宝菊;;复杂混合溶液成分高光谱分析的可行性[J];光谱学与光谱分析;2012年03期

4 索少增;刘翠玲;吴静珠;陈兴海;孙晓荣;吴胜男;;高光谱图像技术检测梨表面农药残留试验研究[J];北京工商大学学报(自然科学版);2011年06期

5 黄培贤;姚志湘;粟晖;孙阔;幸红云;;高光谱图像技术在食品无损检测中的研究进展[J];食品工业科技;2012年15期

6 吴龙国;何建国;贺晓光;刘贵珊;王伟;王松磊;苏伟东;罗阳;思振华;;高光谱图像技术在水果无损检测中的研究进展[J];激光与红外;2013年09期

7 方慧;邹强;何勇;李晓丽;;基于高光谱的番茄叶片过氧化物酶活力测定[J];光谱学与光谱分析;2012年08期

8 田喜;何绍兰;吕强;易时来;谢让金;郑永强;廖秋红;邓烈;;高光谱图像信息的柑橘叶片光合色素含量分析技术研究[J];光谱学与光谱分析;2014年09期

9 郭志明;黄文倩;彭彦昆;王秀;李江波;;高光谱图像感兴趣区域对苹果糖度模型的影响[J];现代食品科技;2014年08期

10 谭克竹;柴玉华;宋伟先;曹晓达;;基于高光谱图像处理的大豆品种识别(英文)[J];农业工程学报;2014年09期