本文選題：近紅外光譜　切入點(diǎn)：主成分分析　出處：《光譜學(xué)與光譜分析》2016年11期

【摘要】：為了實(shí)現(xiàn)對(duì)不同品種白菜種子的快速無損鑒別,應(yīng)用近紅外光譜技術(shù)獲取白菜種子的光譜反射率,首先采用變量標(biāo)準(zhǔn)化校正和多元散射校正對(duì)原始光譜進(jìn)行預(yù)處理;其次,采用主成分分析法(PCA)對(duì)光譜數(shù)據(jù)進(jìn)行聚類分析,從定性分析的角度得到三種不同白菜種子的特征差異,并采用連續(xù)投影算法(SPA)選取特征波長(zhǎng);最后,分別基于全波段光譜、PCA分析得到的前3個(gè)主成分變量以及SPA算法選取的特征波長(zhǎng),建立了最小二乘支持向量機(jī)(LS-SVM)和偏最小二乘判別(PLS-DA)模型進(jìn)行白菜種子不同品種的鑒別。從主成分PC1、PC2得分圖中可以看出,主成分1和2對(duì)不同種類白菜種子具有很好的聚類作用�；谔卣鞑ㄩL(zhǎng)建立的PLS-DA和LS-SVM模型的判別結(jié)果優(yōu)于基于主成分變量建立的模型,其中基于特征波長(zhǎng)建立的LS-SVM模型識(shí)別效果最優(yōu),建模集和預(yù)測(cè)集的品種識(shí)別率均達(dá)到100%。結(jié)果表明,通過SPA算法選取的6個(gè)特征波長(zhǎng)變量能夠很好的反映光譜信息,提出的SPA算法結(jié)合LS-SVM預(yù)測(cè)模型能獲得滿意的分類結(jié)果,為白菜種子品種的識(shí)別提供了一種新方法。
[Abstract]:In order to obtain the spectral reflectance of different varieties of Chinese cabbage seeds by near infrared spectroscopy, the original spectrum was pretreated by variable standardization correction and multivariate scattering correction. The spectral data were clustered by principal component analysis (PCA), and the characteristic differences of three different kinds of Chinese cabbage seeds were obtained from qualitative analysis, and the characteristic wavelengths were selected by continuous projection algorithm (spa). Based on the first three principal component variables and the characteristic wavelength selected by SPA algorithm, the first three principal component variables are obtained from full-band spectral analysis. The least squares support vector machine (LS-SVM) and partial least squares discriminant (PLS-DAA) models were established to identify different varieties of Chinese cabbage seeds. Principal component 1 and 2 have a good clustering effect on different species of Chinese cabbage seeds. The discriminant results of PLS-DA and LS-SVM models based on characteristic wavelength are better than those based on principal component variables. Among them, the LS-SVM model based on characteristic wavelength is the best, and the recognition rate of the model set and prediction set is 100. The result shows that the six characteristic wavelength variables selected by SPA algorithm can reflect the spectral information very well. The proposed SPA algorithm combined with the LS-SVM prediction model can obtain satisfactory classification results and provide a new method for the identification of Chinese cabbage seed varieties.
【作者單位】： 華東交通大學(xué);
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61565005)資助
【分類號(hào)】：S634;O657.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 趙寶;;鉛對(duì)小白菜種子萌發(fā)的影響[J];現(xiàn)代農(nóng)業(yè)科技;2007年01期

2 石瑛;杜青平;李砧;;1,4-二氯苯對(duì)小白菜種子萌發(fā)和幼苗的毒性[J];環(huán)境科學(xué)研究;2011年10期

3 程術(shù)希;孔汶汶;張初;劉飛;何勇;;高光譜與機(jī)器學(xué)習(xí)相結(jié)合的大白菜種子品種鑒別研究[J];光譜學(xué)與光譜分析;2014年09期

4 楊文艷;龐金釗;楊宗政;劉欣;;楊木APMP廢液及轉(zhuǎn)化液對(duì)白菜種子萌發(fā)和幼苗生長(zhǎng)的影響[J];中國(guó)造紙;2009年02期

5 秦軍;蔣文強(qiáng);;重金屬鉻對(duì)幾種蔬菜生長(zhǎng)的影響研究[J];棗莊學(xué)院學(xué)報(bào);2011年05期

6 ;[J];;年期

相關(guān)會(huì)議論文 前3條

1 柳召芹;胡建平;;白菜種子磁粉丸�；鲁醪皆囼�(yàn)研究[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

2 錢春梅;陳巧玲;龐學(xué)群;符武釗;;大白菜種子萌發(fā)的高溫耐性誘導(dǎo)[A];中國(guó)園藝學(xué)會(huì)第五屆青年學(xué)術(shù)討論會(huì)論文集[C];2002年

3 蔣芳玲;薄麗萍;王廣龍;吳震;;人工老化處理時(shí)間對(duì)白菜種子出苗及植株生長(zhǎng)和品質(zhì)的影響[A];中國(guó)園藝學(xué)會(huì)2012年學(xué)術(shù)年會(huì)論文摘要集[C];2012年

相關(guān)重要報(bào)紙文章 前3條

1 本報(bào)記者 王建高 通訊員 劉振華 耿大海;白菜種子也要與時(shí)俱進(jìn)[N];科技日?qǐng)?bào);2012年

2 陳紅;黃瓜白菜種子的有效使用期[N];農(nóng)民日?qǐng)?bào);2004年

3 記者 陸敏 孫玉波;農(nóng)民申訴問題突出[N];經(jīng)濟(jì)參考報(bào);2000年

相關(guān)碩士學(xué)位論文 前2條

1 王志欣;大白菜種子引發(fā)生理效應(yīng)研究[D];山東農(nóng)業(yè)大學(xué);2013年

2 孫莉;無機(jī)鹽對(duì)小白菜種子的萌發(fā)毒性研究[D];南京大學(xué);2011年

，

本文編號(hào)：1677058