提出一種基于可見-近紅外光譜技術(shù)的無損檢測方法,以期實現(xiàn)對蘿卜種子品種的鑒別。通過光譜成像系統(tǒng)采集6類常見蘿卜種子的高光譜圖像,并利用HSI軟件提取光譜數(shù)據(jù)。使用Savitzky Golay （SG）平滑與多元散射校正（multiple scattering correction,MSC）疊加對光譜數(shù)據(jù)進行預(yù)處理以消除高頻隨機誤差。采用堆疊自動編碼器（stacked autoencoder,SAE）、連續(xù)投影算法（successive projections algorithm,SPA）和變量迭代空間收縮算法（variable iterative space shrinkage approach,VISSA）進行數(shù)據(jù)降維。利用Softmax與支持向量機（support vector machine,SVM）算法對全光譜和選取的特征光譜數(shù)據(jù)建立分類模型。結(jié)果表明:SAE-Softmax模型的分類效果最優(yōu),其訓(xùn)練集和預(yù)測集準(zhǔn)確率分別達(dá)99. 72%和96. 22%。因此,利用可見-近紅外光譜技術(shù)與深度學(xué)習(xí)算法結(jié)合的方法對蘿卜種子的品種鑒別是可行的。該研究為種子品種無損檢測分析提供參考。 

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 試驗樣本
    1.2 高光譜圖像采集與數(shù)據(jù)提取
    1.3 算法介紹
        1.3.1 堆疊自動編碼器(SAE)
        1.3.2 連續(xù)投影算法(SPA)
        1.3.3 變量迭代空間收縮方法(VISSA)
        1.3.4 Softmax模型
        1.3.5 SVM模型
2 結(jié)果與討論
    2.1 光譜數(shù)據(jù)分析
    2.2 光譜數(shù)據(jù)預(yù)處理
    2.3 數(shù)據(jù)降維
    2.4 分類結(jié)果
3 結(jié)論


【參考文獻】：
期刊論文
[1]我國藥用種子鑒定與分類研究進展[J]. 張南平,康帥,連超杰,陳虹,馬雙成.  中國藥事. 2020(01)
[2]基于Softmax分類器的小春作物種植空間信息提取[J]. 蔣怡,黃平,董秀春,李宗南,王昕,魏來,邱金春.  西南農(nóng)業(yè)學(xué)報. 2019(08)
[3]基于高光譜圖像及深度特征的大米蛋白質(zhì)含量預(yù)測模型[J]. 孫俊,靳海濤,蘆兵,武小紅,沈繼鋒,戴春霞.  農(nóng)業(yè)工程學(xué)報. 2019(15)
[4]基于深度學(xué)習(xí)和遷移學(xué)習(xí)的水果圖像分類[J]. 廉小親,成開元,安颯,吳葉蘭,關(guān)文洋.  測控技術(shù). 2019(06)
[5]我國蘿卜產(chǎn)業(yè)發(fā)展現(xiàn)狀與育種方向探討[J]. 包崇來,汪精磊,胡天華,胡海嬌,王五宏,魏慶鎮(zhèn).  浙江農(nóng)業(yè)科學(xué). 2019(05)
[6]基于堆疊自動編碼器的網(wǎng)絡(luò)行為識別[J]. 劉任熊,田由輝,張朝龍.  合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[7]深度學(xué)習(xí)技術(shù)在教育大數(shù)據(jù)挖掘領(lǐng)域的應(yīng)用分析[J]. 陳德鑫,占袁圓,楊兵.  電化教育研究. 2019(02)
[8]基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)的研究與應(yīng)用[J]. 楊子賢.  中國設(shè)備工程. 2018(23)
[9]基于高光譜圖像技術(shù)的小麥種子分類識別研究[J]. 張航,姚傳安,蔣夢夢,姬豫航,李華杰.  麥類作物學(xué)報. 2019(01)
[10]堆疊自動編碼器的金桂花朵圖像分割方法[J]. 程玉柱,段一凡.  中國農(nóng)機化學(xué)報. 2018(10)

博士論文
[1]蘿卜CMS育性相關(guān)基因分離鑒定與表達(dá)特征分析[D]. 孫新菊.南京農(nóng)業(yè)大學(xué) 2012

碩士論文
[1]蘿卜種子天然活性成分對人體皮膚性病原真菌抑制作用研究[D]. 楊逢春.華南熱帶農(nóng)業(yè)大學(xué) 2006



本文編號：3722143