基于高光谱成像技术识别苹果轻微损伤的有效波段研究

摘要：

为了筛选出适用于开发苹果轻微损伤自动分级仪器的有效波段,以200个烟台富士苹果为对象进行研究.首先获取400～1 000nm波长范围内完好和轻微损伤后0、0.5、1h的苹果高光谱图像,然后提取完好与损伤样本感兴趣区域的平均光谱反射率数据,再利用载荷系数法(x-LW)、连续投影法(SPA)和二阶导数(second derivative)法提取特征波长,分别提取3、9和20个特征波长,并根据特征波长建立基于遗传算法优化的BP神经网络(GA-BP)和支持向量机(SVM)损伤识别模型.结果 显示,三种基于特征波长提取方法建立的SVM模型对测试集的识别率(分别为77.50％、91.88％、96.88％)均高于BP-GA模型(分别为75.63％、90.63％、93.75％),因此,SVM被确定为最佳苹果轻微损伤识别模型.最后,利用每一特征波长分别作为变量建立SVM模型.结果 发现,波段811 nm识别率达到90.63％,优于其他波段,被确定为苹果轻微损伤识别的最优波段.

关键词：高光谱成像技术、轻微损伤识别、有效波段、连续投影法、二阶导数法、机器学习

所属期刊栏目：22

分类号：S126;TP391.4(农业物理学)

资助基金：山东省重点研发计划项目;山东省农业科学院农业科技创新工程项目

在线出版日期：2020-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：64-71