文献类型： 中文期刊

作者： 宋少忠 ¹ ; 刘园园 ² ; 周紫阳 ³ ; 滕星 ³ ; 李继红 ³ ; 刘君玲 ¹ ; 高勋 ² ;

作者机构： 1.吉林工程技术师范学院数据科学与人工智能学院

2.长春理工大学物理学院

3.吉林省农业科学院

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。