基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别

发布时间：2022-12-18 13:31

　　提出一种基于可见-近红外光谱技术的无损检测方法,以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像,并利用HSI软件提取光谱数据。使用Savitzky Golay （SG）平滑与多元散射校正（multiple scattering correction,MSC）叠加对光谱数据进行预处理以消除高频随机误差。采用堆叠自动编码器（stacked autoencoder,SAE）、连续投影算法（successive projections algorithm,SPA）和变量迭代空间收缩算法（variable iterative space shrinkage approach,VISSA）进行数据降维。利用Softmax与支持向量机（support vector machine,SVM）算法对全光谱和选取的特征光谱数据建立分类模型。结果表明:SAE-Softmax模型的分类效果最优,其训练集和预测集准确率分别达99. 72%和96. 22%。因此,利用可见-近红外光谱技术与深度学习算法结合的方法对萝卜种子的品种鉴别是可行的。该研究为种子品种无损检测分析提供参考。 

【文章页数】：5 页

【文章目录】：
0 引言
1 材料与方法
    1.1 试验样本
    1.2 高光谱图像采集与数据提取
    1.3 算法介绍
        1.3.1 堆叠自动编码器(SAE)
        1.3.2 连续投影算法(SPA)
        1.3.3 变量迭代空间收缩方法(VISSA)
        1.3.4 Softmax模型
        1.3.5 SVM模型
2 结果与讨论
    2.1 光谱数据分析
    2.2 光谱数据预处理
    2.3 数据降维
    2.4 分类结果
3 结论


【参考文献】：
期刊论文
[1]我国药用种子鉴定与分类研究进展[J]. 张南平,康帅,连超杰,陈虹,马双成.  中国药事. 2020(01)
[2]基于Softmax分类器的小春作物种植空间信息提取[J]. 蒋怡,黄平,董秀春,李宗南,王昕,魏来,邱金春.  西南农业学报. 2019(08)
[3]基于高光谱图像及深度特征的大米蛋白质含量预测模型[J]. 孙俊,靳海涛,芦兵,武小红,沈继锋,戴春霞.  农业工程学报. 2019(15)
[4]基于深度学习和迁移学习的水果图像分类[J]. 廉小亲,成开元,安飒,吴叶兰,关文洋.  测控技术. 2019(06)
[5]我国萝卜产业发展现状与育种方向探讨[J]. 包崇来,汪精磊,胡天华,胡海娇,王五宏,魏庆镇.  浙江农业科学. 2019(05)
[6]基于堆叠自动编码器的网络行为识别[J]. 刘任熊,田由辉,张朝龙.  合肥工业大学学报(自然科学版). 2019(02)
[7]深度学习技术在教育大数据挖掘领域的应用分析[J]. 陈德鑫,占袁圆,杨兵.  电化教育研究. 2019(02)
[8]基于深度学习卷积神经网络图像识别技术的研究与应用[J]. 杨子贤.  中国设备工程. 2018(23)
[9]基于高光谱图像技术的小麦种子分类识别研究[J]. 张航,姚传安,蒋梦梦,姬豫航,李华杰.  麦类作物学报. 2019(01)
[10]堆叠自动编码器的金桂花朵图像分割方法[J]. 程玉柱,段一凡.  中国农机化学报. 2018(10)

博士论文
[1]萝卜CMS育性相关基因分离鉴定与表达特征分析[D]. 孙新菊.南京农业大学 2012

硕士论文
[1]萝卜种子天然活性成分对人体皮肤性病原真菌抑制作用研究[D]. 杨逢春.华南热带农业大学 2006



本文编号：3722143