基于近红外高光谱成像技术的干制红枣品种鉴别

摘要：

为实现干制红枣的快速鉴别,提出了一种基于近红外高光谱成像技术的鉴别方法.采集四个品种共240个样本干制红枣的近红外高光谱图像(1 000～1 600 nm).通过主成分分析法(principal component analysis,PCA)、载荷系数法(x-Loading Weights,x-LW)和连续投影算法(successive projections algorithm,SPA)分别提取7个、8个和10个特征波长;基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取第一主成分图像的纹理特征.分别以光谱特征、纹理特征、光谱和纹理融合特征作为输入,建立偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、反向传播神经网络(back-propagation neural network,BPNN)和最小二乘支持向量机(le ast squares support vector machines,LS-SVM)模型.结果显示,基于融合特征的模型鉴别率高于分别基于光谱特征或纹理特征的模型鉴别率;基于融合特征的BPNN模型的结果最优,对预测集样本鉴别正确率为100％.说明近红外高光谱成像技术可用于干制红枣品种的快速鉴别.

关键词：近红外高光谱成像、干制红枣、鉴别、纹理特征、特征融合

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家科技支撑计划项目2014BAD04B04

在线出版日期：2017-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：836-840