激光诱导击穿光谱技术对水稻产地识别研究

文献类型： 中文期刊

第一作者： 宋少忠

作者： 宋少忠;符少燕;刘园园;齐春艳;李景鹏;高勋

作者机构：

关键词： 激光诱导击穿光谱;机器学习算法;水稻产地识别;识别精度

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2024 年 006 期

页码： 1553-1558

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 水稻是中国主要粮食作物，而水稻品质与其生长的外部环境如土壤特性、气候、日照时间和灌溉水等环境息息相关，高品质水稻的产地区域面积有一定地域限制，因此水稻可看成为是一个明显的地理标志物。市场常出现一些假冒或者贴牌的知名优质水稻出售，损害了水稻品牌，降低了消费者的水稻品质保障，并且扰乱了市场稳定性，因此对于水稻产地快速识别技术的需求十分迫切。利用LIBS结合机器学习算法，对吉林省5个产地（大安、公主岭、前郭、松原、洮儿河）的水稻进行产地识别，建立了主成分分析（PCA）算法分别结合Bagged Trees、 Weighted KNN、 Quadratic SVM和Coarse Gaussian SVM共四种机器学习算法的水稻产地识别模型。实验选取了5个水稻产地共450组在200～900 nm的LIBS数据，对水稻LIBS光谱数据采用卷积平滑（S-G平滑）进行降噪和特征谱线归一化预处理，对水稻LIBS光谱数据进行主成分分析，实现了水稻产地具有较好的聚类空间集群分布，但部分水稻产地存在空间重叠。采用5倍交叉验证，采用PCA-Bagged Trees、 PCA-Weighted KNN、 PCA-Quadratic SVM和PCA-Coarse Gaussian SVM共四种机器学习模型，水稻产地的识别精度均达到91.8%以上，并且PCA-Quadratic SVM模型的识别精度高达97.3%。结果表明结合LIBS技术和机器学习算法能够高精度和高效率实现水稻产地的识别。

分类号： O657.38%TS210.7

  • 相关文献

[1]一种马铃薯病害神经网络识别方法. 刘飞,董伟,高海涛. 2022

[2]一种基于改进卷积神经网络的玉米病害高效识别模型. 王营瑛,郑铖,董伟,高海涛. 2023

[3]一种基于深度学习的玉米病害识别方法. 郑铖,董伟,高海涛. 2023

[4]基于无人机多时相遥感影像的冬小麦产量估算. 申洋洋,陈志超,胡昊,盛莉,周洪奎,娄卫东,沈阿林. 2021

[5]机器学习算法和Hargreaves模型在四川盆地ET_0计算中的比较. 崔宁博,龚道枝. 2016

[6]基于高光谱图像技术的高粱品种识别研究. 宋少忠,刘园园,周紫阳,滕星,李继红,刘君玲,高勋. 2024

[7]基于Sentinel-2影像和机器学习算法的冬小麦秸秆覆盖度遥感估算. 朱奇磊,梁栋,徐新刚,安晓飞,陈立平,杨贵军,黄林生,许思喆. 2023

[8]纳米增强激光诱导击穿光谱的苹果表面农药残留检测. 赵贤德,董大明,矫雷子,田宏武,邢振. 2019

[9]水体COD激光诱导击穿光谱快速测量方法研究. 赵贤德,陈肖,董大明. 2019

[10]基于超疏水基底的水中微量铅元素的LIBS快速测量方法. 叶松,陶玉恒,董大明. 2019

[11]激光诱导击穿光谱结合化学计量学的淫羊藿产地快速鉴别. 罗雅文,董大明. 2023

[12]光谱预处理对LIBS检测脐橙中Cu的偏最小二乘定量模型影响. 黎文兵,药林桃,刘木华,黄林,姚明印,陈添兵,何秀文,杨平,胡慧琴,聂江辉. 2015

[13]基于免疫传感器和激光诱导击穿光谱的痕量农药测量方法. 崔友伟,郑培超,王小发,矫雷子,董大明,吴景. 2021

[14]LIBS结合图像筛选方法提高钢铁中Cu、Cr、Mn元素检测稳定性研究. 郑培超,刘少剑,王金梅,陈光辉,李刚,刘旭峰,田宏武,董大明,郭连波. 2024

[15]农田土壤中钾元素含量的激光诱导击穿光谱测量方法. 董大明,郑文刚,赵春江,赵贤德,矫雷子,张石锐. 2013

作者其他论文 更多>>

微信小程序