基于高光谱技术与机器学习的新疆红枣品种鉴别

发布时间：2023-07-24 22:39

　　为实现对红枣品种的判别,利用高光谱技术并结合机器学习算法对金丝大枣、骏枣和滩枣这三个品种的新疆红枣进行研究。首先,分别利用多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导(1-Der)和Savitzky-Golay(SG)平滑等数据预处理方法对原始光谱进行预处理,研究了预处理方法对建模的影响;然后,利用光谱-理化值共生距离法(SPXY)将样本集划分为校正集和预测集,基于线性判别分析(LDA)、K-最近邻分类(KNN)和支持向量机(SVM)算法对预处理后的全波段光谱建立红枣品种鉴别模型,结果显示,在多种预处理方法中,1-Der的处理效果最好;然后,结合主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权采样(CARS)等特征提取方法对全波段光谱进行特征波段的提取,再基于特征波段建立红枣品种鉴别模型,结果发现,在几种特征提取方法中,基于CARS所提特征波段建立的模型可以获得最高的鉴别准确率;最后,以SVM模型为例对模型运行时间进行了比较,结果发现,基于特征波段所建模型的运行时间远短于基于全波段所建模型的运行时间。

【文章页数】：8 页

【文章目录】：
1 引 言
2 实验材料与仪器
    2.1 实验材料
    2.2 实验仪器
3 光谱数据的处理
    3.1 光谱数据的预处理
    3.2 特征波段的提取
    3.3 数据建模
4 结果与讨论
    4.1 光谱数据的预处理
    4.2 基于光谱预处理的建模分析
    4.3 特征波段的提取
        4.3.1 PCA提取特征波段
        4.3.2 SPA提取特征波段
        4.3.3 CARS提取特征波段
    4.4 基于全波段/特征波段的建模分析
    4.5 模型运行时间的比较
5 结 论



本文编号：3836658