本文選題：高光譜 + 油菜��； 參考：《光譜學(xué)與光譜分析》2017年11期

【摘要】：利用高光譜成像技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)油菜中的雜草進(jìn)行分類識(shí)別。采用近紅外高光譜技術(shù),通過正態(tài)變量變換(SNV)、去趨勢(shì)化(De-trending)、多元散射校正(MSC)、移動(dòng)平均平滑法(MA)、多項(xiàng)式卷積平滑法(SG)、基線校正(baseline)及歸一化(normalize)算法對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理,采用主成分載荷(PCA loadings)、載荷系數(shù)法(x-LW)、回歸系數(shù)法(RC)、連續(xù)投影算法(SPA)分別進(jìn)行特征波長提取,采用偏最小二乘判別分析(PLS-DA)、極限學(xué)習(xí)機(jī)(ELM)和支持向量機(jī)(SVM)建立分類模型。結(jié)果表明,基于De-trending預(yù)處理,通過PCA loadings,x-loading weights及SPA特征波長提取方法,基于極限學(xué)習(xí)機(jī)ELM算法建立的模型取得了最優(yōu)的分類效果,建模集和預(yù)測(cè)集的分類精度均達(dá)到100%,另引入平均分類精度的指標(biāo),發(fā)現(xiàn)不同試驗(yàn)時(shí)間下,模型分類精度變化不大,表明應(yīng)用近紅外高光譜成像技術(shù)對(duì)油菜和雜草進(jìn)行分類是可行的。
[Abstract]:The weeds in rapeseed were classified and identified by hyperspectral imaging and chemometrics.Using near infrared hyperspectral technique, spectral data are preprocessed by normal variable transform (SNV), De-trending, multivariate scattering correction, moving average smoothing, polynomial convolution smoothing, baseline correction and normalized normalization.Principal component loading (PCA), load coefficient method (LW), regression coefficient method (RCN) and continuous projection algorithm (SPA) were used to extract the feature wavelength, and the classification models were established by partial least squares discriminant analysis (PLS-DAA), extreme learning machine (ELM) and support vector machine (SVM).The results show that based on the De-trending pretreatment, the model based on the ELM algorithm of extreme learning machine and the method of PCA loading x loading weights and SPA feature wavelength extraction have obtained the best classification effect.The classification accuracy of both the modeling set and the prediction set is 100. By introducing the index of average classification accuracy, it is found that the model classification accuracy does not change much under different test time.The results show that it is feasible to classify rape and weeds by near infrared hyperspectral imaging.
【作者單位】： 浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院;
【基金】：國家重點(diǎn)研發(fā)計(jì)劃(2016YFD0300606) 浙江省科技計(jì)劃項(xiàng)目(2015C02008)資助
【分類號(hào)】：S451.0;S565.4;TP79

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 李濤;葛明鋒;肖功海;亓洪興;王義坤;;波長可調(diào)諧凝視型高光譜成像技術(shù)研究[J];紅外;2014年06期

2 張冬英;洪津;湯偉平;楊偉鋒;羅軍;喬延利;張渫;;基于LCTF調(diào)諧的高光譜成像系統(tǒng)設(shè)計(jì)[J];光譜學(xué)與光譜分析;2008年10期

相關(guān)會(huì)議論文 前1條

1 顏昌翔;;星載高光譜成像及數(shù)據(jù)應(yīng)用[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

相關(guān)碩士學(xué)位論文 前3條

1 庫靜;不同高光譜成像方式的馬鈴薯內(nèi)外部品質(zhì)檢測(cè)方法研究[D];華中農(nóng)業(yè)大學(xué);2016年

2 陳加偉;偏振高光譜成像建模與仿真[D];哈爾濱工業(yè)大學(xué);2011年

3 管婭娜;分子光譜成像機(jī)理及其在血細(xì)胞分析中的應(yīng)用研究[D];華東師范大學(xué);2012年

，

本文編號(hào)：1753671