高光谱成像技术的柚类品种鉴别研究

文献类型： 中文期刊

第一作者： 李勋兰

作者： 李勋兰;易时来;何绍兰;吕强;谢让金;郑永强;邓烈

作者机构：

关键词： 高光谱成像;柚;品种鉴别;连续投影算法;主成分分析;最小二乘支持向量机

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2015 年 09 期

页码： 2639-2643

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用Kennard-Stone法将样本划分为校正集(192个)和验证集(48个)。采用多元散射校正(MSC)和标准正态变量变换(SNV)对原始光谱曲线进行预处理后,分别采用主成分分析(PCA)和连续投影算法(SPA)提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量,建立基于叶片上表面和下表面光谱信息的PCA-LS-SVM和SPA-LS-SVM模型。结果显示,基于叶片上表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM模型对建模集样本的识别正确率分别为99.46%和98.44%,对预测集样本的识别正确率均为95.83%。基于叶片下表面光谱信息建立的PCA-LSSVM和SPA-LS-SVM模型对建模集样本和预测集样本的识别正确率皆为100%。表明,利用高光谱成像技术结合PCA-LS-SVM和SPA-LS-SVM可实现柚类品种的快速鉴别,叶片下表面光谱信息鉴别效果优于叶片上表面。该研究为柚类的品种快速鉴别提供了一种新方法。

分类号： S666.3`O657.3

  • 相关文献

[1]基于可见/近红外光谱谱区有效波长的梨品种鉴别. 李江波,赵春江,陈立平,黄文倩. 2013

[2]基于高光谱和PLS-LS-SVM的冬小麦叶绿素含量检测. 王伟,彭彦昆,王秀,马伟. 2010

[3]哈姆林甜橙叶片锰锌缺乏症状的高光谱识别. 郭冬梅,邓烈,谢让金,吕强,易时来,郑永强,钱春,何绍兰. 2016

[4]基于高光谱的水稻叶片氮素营养诊断研究. 杨红云,周琼,杨珺,孙玉婷,路艳,殷华. 2019

[5]中红外光谱法结合支持向量机快速鉴别蜂蜜品种. 徐天扬,杨娟,孙晓荣,刘翠玲,李熠,周金慧,陈兰珍. 2018

[6]基于高光谱成像的苹果轻微损伤检测有效波长选取. 黄文倩,陈立平,李江波,张驰. 2013

[7]高光谱成像技术和主成分分析识别玉米籽粒的胚(英文). 黄文倩,李江波,张驰,张保华,张百海. 2012

[8]基于高光谱成像技术的水稻叶瘟病病害程度分级方法. 郑志雄,齐龙,马旭,朱小源,汪文娟. 2013

[9]用高光谱成像和PCA检测苹果的损伤和早期腐烂. 张保华,黄文倩,李江波,赵春江,刘成良,黄丹枫. 2013

[10]基于高光谱图谱融合技术的英德红茶等级快速无损判别. 刘翠玲,秦冬,凌彩金,孙晓荣,郜礼阳,昝佳睿. 2023

[11]高光谱成像的柑橘病虫害叶片识别方法. 吴叶兰,陈怡宇,廉小亲,廖禺,高超,管慧宁,于重重. 2021

[12]近红外光谱的苹果内部品质在线检测模型优化. 郭志明,黄文倩,陈全胜,彭彦昆,赵杰文. 2016

[13]基于近红外光谱的大豆叶片可溶性蛋白含量快速检测（英文）. 张亚坤,罗斌,宋鹏,潘大宇,路文超,周亚男,王成,赵春江. 2018

[14]胡杨叶片水分含量的近红外光谱检测. 白铁成,王亚明,张楠楠,姚娜,喻彩丽,王兴鹏. 2017

[15]基于SPA和PLS的南疆绿洲区土壤盐分的近红外光谱分析. 张楠楠,张晓,施明登,范泽华,王涛,白铁成. 2018

[16]基于可见-近红外光谱技术的水稻穗颈瘟染病程度分级方法研究. 吴迪,曹芳,张浩,孙光明,冯雷,何勇. 2009

[17]基于连续投影算法的油菜蜜近红外光谱真伪鉴别的研究. 单杨,尹永,周孜. 2012

[18]基于改进SPA算法的高效降维方法. 崔颖,王雪婷,刘述彬,陆忠军. 2018

[19]基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演. 李天驰,冯海宽,田坤云,杨福芹,杨佳琪. 2022

[20]小麦籽粒蛋白质光谱特征变量筛选方法研究. 李栓明,郭银巧,王克如,谢瑞芝,戴建国,肖春华,李静,李少昆. 2015

作者其他论文 更多>>

微信小程序