基于高光谱图像技术的高粱品种识别研究

文献类型： 中文期刊

第一作者： 宋少忠

作者： 宋少忠;刘园园;周紫阳;滕星;李继红;刘君玲;高勋

作者机构：

关键词： 高粱;高光谱成像;机器学习算法;品种识别

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2024 年 005 期

页码： 1392-1397

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 高粱是酿造白酒的重要原料，高粱内的成分对白酒中微量成分含量和品质十分重要，并且高粱品质影响着白酒的质量和风味，因此，无损快速鉴别高粱品种对于提高白酒质量是个迫切需要的重要问题。采用高光谱成像技术结合机器学习算法对高粱品种进行分类鉴别，通过高光谱成像技术，获取了10个品种高粱的高光谱谱线以及图像纹理数据。采用多元散射校正（MSC）对光谱进行预处理，并用连续投影算法（SPA）筛选出62个特征波段，采用灰度共生矩阵提取高粱的4种纹理特征，分别以高光谱数据和光谱-图像数据融合，采用PLS-DA、 SVM、 ELM和RF等4种机器学习算法模型对10个高粱品种进行分类识别。结果表明，高光谱经MSC预处理后，用SPA降维提取的高光谱特征波段可以代表全光谱的数据信息，提高了PLS-DA模型识别高粱品种的稳定性。10个品种高梁的分类准确度从67.58%提高到93.85%,识别精度提升了27%。高光谱数据与图像纹理特征数据融合后，PLS-DA基于模型全光谱和特征谱段的高粱品种分类识别精度分别提升到96.47%和97.16%,相比于单一的高光谱数据更适用于高粱品种分类识别。相比于SVM、 ELM和RF三种分类机器学习算法模型结果，PLS-DA机器学习算法模型的高粱品种分类识别精度最好。研究证明了高光谱成像技术结合机器学习算法在高粱品种鉴别中的有效性，可实现快速精确的高粱品质检测。

分类号： TS261.21%O657.3

  • 相关文献

[1]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

[2]激光诱导击穿光谱技术对水稻产地识别研究. 宋少忠,符少燕,刘园园,齐春艳,李景鹏,高勋. 2024

[3]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

[4]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

[5]玉米果穗图像单一特征的品种鉴别力评价. 杨锦忠,张洪生,郝建平,杜天庆,崔福柱,李娜娜,梁改梅. 2011

[6]基于主成分分析及LVQ神经网络的番茄种子品种识别. 赵学观,王秀,李翠玲,高原源,王松林,冯青春. 2017

[7]蜂蜜品种识别和掺假鉴别的研究进展. 陈晓明,初叶心,乔江涛,张红城,张根生. 2020

[8]基于图像处理技术的观赏菊品种识别方法研究. 翟果,李志敏,路文超,赵勇,王成. 2016

[9]基于深度学习的玉米包衣种子品种识别. 冯晓,张辉,刘正,张会芳,陈海燕,赵威,郑国清,马中杰. 2024

[10]基于冠层高光谱数据与马氏距离的马铃薯品种识别. 王卓卓,何英彬,罗善军,段丁丁,张远涛,朱娅秋,于金宽,张胜利,徐飞,孙静. 2018

[11]基于卷积神经网络的家蚕幼虫品种智能识别研究. 石洪康,田涯涯,杨创,陈宇,粟思源,张智勇,张剑飞,蒋猛. 2020

[12]无人机遥感影像在油菜品种识别中的应用. 李婕,李毅,张瑞杰,李俐俐,李礼,姚剑,乔江伟. 2022

[13]基于深度学习的葡萄砧木叶片识别研究. 潘博文,魏冰心,苏宝峰,鞠延仑,刘崇怀,樊秀彩,张颖,孙磊,姜建福,房玉林. 2024

[14]基于冠层高光谱数据与马氏距离的马铃薯品种识别. 王卓卓,何英彬,罗善军,段丁丁,张远涛,朱娅秋,于金宽,张胜利,徐飞,孙静. 2018

[15]基于电子鼻技术的稻米气味检测与品种识别. 胡桂仙,王俊,王建军,王小骊. 2011

[16]基于IRMAnet的全生育期小麦品种识别研究. 冯永强,刘成忠,韩俊英,鲁清林,刘立群,邢雪. 2024

[17]不同品系橡胶树的花序性状差异研究. 张源源,张晓飞,高新生,李维国. 2015

[18]基于高光谱成像分析的冬枣微观损伤识别. 魏新华,吴姝,范晓冬,黄嘉宝. 2015

[19]高光谱图像信息检测玉米籽粒胚水分含量. 田喜,黄文倩,李江波,樊书祥,张保华. 2016

[20]基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究. 马本学,肖文东,祁想想,何青海,李锋霞. 2012

作者其他论文 更多>>

微信小程序