基于高光谱成像技术和深度学习的烤后烟叶品种分类判别

文献类型： 中文期刊

第一作者： 孟令峰

作者： 孟令峰;邢富康;韦克苏;王爱华;程昌新;曹娜;林跃平;王松峰;朱荣光

作者机构：

关键词： 烤后烟叶;品种分类;高光谱图像;深度学习;机器学习

期刊名称： 中国烟草科学

ISSN： 1007-5119

年卷期： 2024 年 45 卷 004 期

页码： 83-92

收录情况： CSCD

摘要： 为了实现对不同品种烤后烟叶的快速判别，采集红花大金元、K326、云烟105三种烟叶的高光谱图像，利用阈值分割和边缘提取算法选择感兴趣区域，获得烟叶的光谱数据。分别使用卷积平滑结合一阶导数、标准正态变量变换、多元散射校正和中心化等4种常用方法对原始光谱数据进行预处理，在此基础上建立多层感知机网络（Multilayer Perceptron,MLP）、卷积神经网络（Convolutional Neural Network,CNN）和支持向量机（Support Vector Machine,SVM）模型，进行烤后烟叶品种分类的比较研究。结果表明，所建立的模型均可对烟叶的品种进行有效判别，其中一阶导数预处理在多个模型中表现均优于其他3种预处理方法，基于CNN建立的分类模型性能优于其他模型，两者结合的性能最优，其测试集正确率和准确率分别为97.9%和98%，表明高光谱结合CNN可以实现烟叶品种的定性判别。上述研究为后续基于高光谱技术开发针对烤后烟叶的快速检测系统提供了理论依据和技术支撑。

分类号： TP751%TS411%TP18

  • 相关文献

[1]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[2]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[3]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[4]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

[5]农业大模型:关键技术、应用分析与发展方向. 郭旺,杨雨森,吴华瑞,朱华吉,缪祎晟,顾静秋. 2024

[6]机器学习全基因组选择研究进展. 李竟,张元旭,王泽昭,陈燕,徐凌洋,张路培,高雪,高会江,李俊雅,朱波,郭鹏. 2024

[7]机器学习在动物基因组选择中的研究进展. 李棉燕,王立贤,赵福平. 2023

[8]栽培苜蓿草地智能感知系统关键生物物理指标实时监测及分析算法研究. 苗春丽,李仲贤,赵志成,伏帅,高金龙,刘洁,冯琦胜,梁天刚. 2023

[9]不同采收模式对烤后烟叶产质量的影响. 朱峰,沈始权,耿伟,任杰,曹亚凡,薛峰,党军政,柯美福,李彦辉. 2020

[10]上部叶采收方式对烤后烟叶品质及可用性的影响. 张喜峰,刘伟,李东阳,程朝晖,王静,邓小成. 2020

[11]烤后烟叶不同部位高光谱特征分析及判别模型构建. 闫鼎,张义志,程森,蔡宪杰,董祥洲,杨悦章,岳耀稳,王大彬,林润英. 2024

[12]带茎采烤上部烟叶品质的关键影响指标分析. 刘峰峰,毕庆文,张国超,何结望,孙福山,代英鹏. 2025

[13]RAPD分子标记在果蔬菜研究中的应用. 王玢,袁方曜. 2003

[14]菊花品种起源及形态学分类研究. 孙文松. 2013

[15]基于GYT双标图对西北内陆棉区国审棉花品种的分类评价. 许乃银,许乃银,赵素琴,张芳,付小琼,杨晓妮,乔银桃,孙世贤. 2021

[16]中国栽培大豆品种分类研究——Ⅰ.分类的原则、模式、要素及标准. 王国勋. 1987

[17]基于表型和SRAP标记的切花菊品种遗传多样性分析. 张冬菊,李世超,吴鹏夫,张晓,李秋香,杨树华,贾瑞冬,葛红. 2014

[18]切花菊品种表型性状筛选及其分类学意义. 张冬菊,李世超,李秋香,杨树华,贾瑞冬,葛红. 2013

[19]基于GYT双标图对北部冬麦区国审小麦品种的回溯分析. 张笑晴,许乃银,孙晶,刘素娟,梁晨,刘林斌,徐剑文,许栩. 2024

[20]利用SSR标记对中国水稻品种进行遗传多样性评价和品种分类的研究. 江云珠,汤圣祥,余汉勇,杨保军,唐健. 2010

作者其他论文 更多>>

微信小程序