為滿足快速無(wú)損的大米產(chǎn)地確證需求,采集吉林省梅河口市水稻主產(chǎn)區(qū)及松原、大安、輝南等其他水稻產(chǎn)區(qū)共990個(gè)大米樣本的高光譜圖像（400～1 000 nm）作為研究對(duì)象,利用多元散射校正（MSC）處理方法對(duì)光譜進(jìn)行預(yù)處理。采用多層感知機(jī)（MLP）、極限學(xué)習(xí)機(jī)（ELM）與在線序列極限學(xué)習(xí)機(jī)（OS-ELM）算法,分別基于全波段高光譜數(shù)據(jù)以及經(jīng)多維尺度分析（MDS）方法降維后的數(shù)據(jù)建立產(chǎn)地確證模型。結(jié)果表明,基于全波段高光譜數(shù)據(jù)的OS-ELM模型分類性能最好,準(zhǔn)確率達(dá)到98.3%。經(jīng)MDS處理后,輸入的數(shù)據(jù)變量減少了96.6%,MDS-OS-ELM模型準(zhǔn)確率穩(wěn)定在97.4%。對(duì)三種模型的訓(xùn)練時(shí)間進(jìn)行對(duì)比分析,OS-ELM訓(xùn)練時(shí)間明顯優(yōu)于MLP,在分批次獲取數(shù)據(jù)時(shí)訓(xùn)練時(shí)間優(yōu)于ELM。為大米產(chǎn)地確證提供了一種高效、準(zhǔn)確、穩(wěn)定的方法。 

【文章來(lái)源】：中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào). 2020,22(09)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

高光譜圖像采集系統(tǒng)

感興趣區(qū)域(region of interest,ROI)選取方法直接影響建立模型的分類精度。本文在3×5網(wǎng)格內(nèi)所有單粒米樣的中間部位選取,采用如圖2所示的10×10像素的紅色正方形區(qū)域作為感興趣區(qū)域,通過(guò)計(jì)算感興趣區(qū)域內(nèi)所有像素的均值反射率得到每個(gè)樣本的平均光譜數(shù)據(jù)。均值反射率計(jì)算如式(2)所示。采用ENVI 5.0對(duì)高光譜圖像ROI進(jìn)行選擇,感興趣區(qū)域內(nèi)均值反射率由ENVI5.0計(jì)算生成。基于Python3.6軟件提取高光譜圖像對(duì)應(yīng)的光譜數(shù)據(jù)。采集的高光譜圖像共549個(gè)波段。

經(jīng)MDS提取13個(gè)特征波長(zhǎng)為484、510、536、560、608、720、750、780、841、854、899、921、932 nm。選取的特征波長(zhǎng)位置如圖4所示。據(jù)已有研究,510、560、750 nm 的吸收波段主要與大米中水分、脂肪、淀粉和蛋白質(zhì)的吸收有關(guān)[29]。位于608、536 和720nm 的吸收波段與大米中直鏈淀粉和支鏈淀粉的吸收相關(guān)[35];780 nm左右的光譜吸收主要與水分子中O-H鍵的第二和第三倍頻峰的振動(dòng)和延伸相關(guān)[36]。而蛋白質(zhì)、脂肪、糖等大米內(nèi)部重要的化學(xué)指標(biāo)均可以由高光譜信息表征,且大米顆粒中最主要的水分和淀粉等理化指標(biāo),因大米的產(chǎn)地不同其含量也會(huì)有一定的區(qū)別 [37]。這些對(duì)應(yīng)關(guān)系從大米理化指標(biāo)上進(jìn)一步驗(yàn)證MDS降維方法選取的特征波段是可靠的。2.2.2 模型性能評(píng)估結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)OS-ELM的冷連軋?jiān)诰€軋制力預(yù)報(bào)[J]. 魏立新,張宇,孫浩,魏新宇.  計(jì)量學(xué)報(bào). 2019(01)
[2]基于低秩表示的判別特征提取算法[J]. 蘇雅茹,許智杰,吳小惠.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]基于高光譜技術(shù)的金銀花硫含量快速檢測(cè)模型建立（英文）[J]. 馮潔,劉云宏,石曉微,王慶慶,許倩.  食品科學(xué). 2018(24)
[4]基于多層感知機(jī)網(wǎng)絡(luò)的手寫(xiě)數(shù)字識(shí)別算法[J]. 張行文,董元和.  電腦知識(shí)與技術(shù). 2018(32)
[5]不同高光譜特征參數(shù)區(qū)分馬鈴薯品種的優(yōu)劣勢(shì)分析[J]. 段丁丁,何英彬,羅善軍,王卓卓.  光譜學(xué)與光譜分析. 2018(10)
[6]基于多維尺度分析的自適應(yīng)室內(nèi)群終端定位方法[J]. 付先凱,蔣鑫龍,劉軍發(fā),張少博,陳益強(qiáng).  計(jì)算機(jī)科學(xué). 2018(10)
[7]基于機(jī)器學(xué)習(xí)方法的吉林大米產(chǎn)地確證模型研究[J]. 王靖會(huì),臧妍宇,曹崴,崔浩,鄭暉,陳美文,于合龍.  中國(guó)糧油學(xué)報(bào). 2018(09)
[8]基于高光譜技術(shù)檢測(cè)全蛋粉摻假的研究[J]. 劉平,馬美湖.  光譜學(xué)與光譜分析. 2018(01)
[9]基于ELM-AE的二進(jìn)制非線性哈希算法[J]. 鄧萬(wàn)宇,張倩,屈玉濤.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(12)
[10]基于近紅外高光譜成像技術(shù)的干制紅棗品種鑒別[J]. 樊陽(yáng)陽(yáng),裘正軍,陳儉,吳翔,何勇.  光譜學(xué)與光譜分析. 2017(03)

博士論文
[1]基于電子鼻技術(shù)的茶樹(shù)蟲(chóng)害信息檢測(cè)[D]. 孫玉冰.浙江大學(xué) 2018
[2]基于光譜與光譜成像技術(shù)的油菜病害檢測(cè)機(jī)理與方法研究[D]. 張初.浙江大學(xué) 2016
[3]高光譜數(shù)據(jù)降維算法研究[D]. 高陽(yáng).中國(guó)礦業(yè)大學(xué) 2013
[4]大米品質(zhì)檢測(cè)系統(tǒng)研究[D]. 萬(wàn)鵬.吉林大學(xué) 2009

碩士論文
[1]基于面向?qū)ο驧LP模型的遙感植被信息提取方法研究[D]. 楊希鵬.東華理工大學(xué) 2018
[2]電飯煲烹飪秈米飯品質(zhì)變化及加工參數(shù)影響[D]. 劉巧真.江南大學(xué) 2018
[3]基于近紅外光譜的單籽粒水稻種子品質(zhì)檢測(cè)的方法研究[D]. 王純陽(yáng).中國(guó)科學(xué)技術(shù)大學(xué) 2017
[4]基于多維尺度分析和小波統(tǒng)計(jì)特征的圖像哈希算法[D]. 黃紫晴.廣西師范大學(xué) 2017
[5]基于高光譜成像技術(shù)的大米快速無(wú)損檢測(cè)研究[D]. 王璐.華南理工大學(xué) 2016



本文編號(hào)：3584607