本文關(guān)鍵詞：基于高光譜圖像的紅豆品種GA-PNN神經(jīng)網(wǎng)絡(luò)鑒別

  更多相關(guān)文章： 紅豆 高光譜圖像 品種鑒別 特征波長 概率神經(jīng)網(wǎng)絡(luò) 遺傳算法

【摘要】：提出一種基于高光譜圖像技術(shù)的紅豆品種鑒別方法。利用高光譜成像系統(tǒng)采集江蘇、安徽、山東的3個品種共162個紅豆樣本高光譜圖像數(shù)據(jù),通過ENVI軟件提取出紅豆中感興趣區(qū)域的平均光譜作為該樣本原始光譜信息,利用SG多項式平滑對原始光譜數(shù)據(jù)進(jìn)行去噪處理,由于高光譜數(shù)據(jù)信息量大,冗余性強(qiáng),故需對高光譜數(shù)據(jù)進(jìn)行降維,采用了連續(xù)投影算法進(jìn)行特征波長選擇,根據(jù)交叉驗證均方根誤差確定最佳特征光譜的個數(shù)為9,采用主成分分析法和獨立分量分析算法進(jìn)行特征波長提取,經(jīng)過PCA處理,根據(jù)方差累計貢獻(xiàn)率大于85%的標(biāo)準(zhǔn)選出7個特征波長,ICA分別提取了7、10、17個特征波長,通過測試集驗證,選出17個最佳特征波長。最后分別將優(yōu)選出的特征波長和提取出的最優(yōu)主成分作為模型的輸入。建立概率神經(jīng)網(wǎng)絡(luò)(PNN)模型測試后發(fā)現(xiàn)結(jié)果沒有達(dá)到預(yù)期精度,引入遺傳算法(GA)優(yōu)化的PNN神經(jīng)網(wǎng)絡(luò)的閾值,并對隱含層節(jié)點進(jìn)行最優(yōu)選擇。通過測試試驗,所有的模型識別正確率均高于85%,其中SPA-GA-PNN模型的效果最佳,識別正確率達(dá)到了97.5%。
【作者單位】： 江蘇大學(xué)電氣信息工程學(xué)院;江蘇大學(xué)現(xiàn)代農(nóng)業(yè)裝備與技術(shù)教育部重點實驗室;
【關(guān)鍵詞】： 紅豆 高光譜圖像 品種鑒別 特征波長 概率神經(jīng)網(wǎng)絡(luò) 遺傳算法
【基金】：國家自然科學(xué)基金項目(31471413、31401286) 江蘇高校優(yōu)勢學(xué)科建設(shè)工程項目PAPD(蘇政辦發(fā)(2011)6號) 江蘇大學(xué)現(xiàn)代農(nóng)業(yè)裝備與技術(shù)重點實驗室開放基金項目(NZ201306) 江蘇省六大人才高峰項目(ZBZZ-019) 中國博士后科學(xué)基金項目(2014M561594) 江蘇省自然科學(xué)基金項目(BK20141165、20140550)
【分類號】：S521;O657.3
【正文快照】： 引言傳統(tǒng)檢測方法以感官和化學(xué)試驗分析方法為主,這類方法費時費力、破壞性強(qiáng)、準(zhǔn)確率較低[1]。高光譜圖像技術(shù)是一種無損檢測技術(shù),既包含光譜信息又包含圖像信息,近年來發(fā)展較為迅速,在國內(nèi)外農(nóng)副產(chǎn)品檢測中已有應(yīng)用[2-9],但尚未見紅豆品種鑒別應(yīng)用的報道。紅豆在我國各地均

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 付妍;徐冉冉;陳興海;;基于高光譜圖像技術(shù)的果蔬表面農(nóng)藥殘留檢測研究[J];食品安全導(dǎo)刊;2012年05期

2 萬相梅;黃敏;朱啟兵;;基于高光譜散射圖像的蘋果壓縮硬度和汁液含量無損檢測[J];食品工業(yè)科技;2012年06期

3 李剛;熊嬋;林凌;佟穎;張寶菊;;復(fù)雜混合溶液成分高光譜分析的可行性[J];光譜學(xué)與光譜分析;2012年03期

4 索少增;劉翠玲;吳靜珠;陳興海;孫曉榮;吳勝男;;高光譜圖像技術(shù)檢測梨表面農(nóng)藥殘留試驗研究[J];北京工商大學(xué)學(xué)報(自然科學(xué)版);2011年06期

5 黃培賢;姚志湘;粟暉;孫闊;幸紅云;;高光譜圖像技術(shù)在食品無損檢測中的研究進(jìn)展[J];食品工業(yè)科技;2012年15期

6 吳龍國;何建國;賀曉光;劉貴珊;王偉;王松磊;蘇偉東;羅陽;思振華;;高光譜圖像技術(shù)在水果無損檢測中的研究進(jìn)展[J];激光與紅外;2013年09期

7 方慧;鄒強(qiáng);何勇;李曉麗;;基于高光譜的番茄葉片過氧化物酶活力測定[J];光譜學(xué)與光譜分析;2012年08期

8 田喜;何紹蘭;呂強(qiáng);易時來;謝讓金;鄭永強(qiáng);廖秋紅;鄧烈;;高光譜圖像信息的柑橘葉片光合色素含量分析技術(shù)研究[J];光譜學(xué)與光譜分析;2014年09期

9 郭志明;黃文倩;彭彥昆;王秀;李江波;;高光譜圖像感興趣區(qū)域?qū)μO果糖度模型的影響[J];現(xiàn)代食品科技;2014年08期

10 譚克竹;柴玉華;宋偉先;曹曉達(dá);;基于高光譜圖像處理的大豆品種識別(英文)[J];農(nóng)業(yè)工程學(xué)報;2014年09期

，

本文編號：1002062