OPT OpenIR  > 瞬态光学研究室
基于高光谱技术与机器学习的新疆红枣品种鉴别
刘立新1,2; 何迪1; 李梦珠1; 刘星3; 屈军乐4
作者部门瞬态光学研究室
2020
发表期刊中国激光
ISSN0258-7025
卷号47期号:11
产权排序1
摘要

为实现对红枣品种的判别,利用高光谱技术并结合机器学习算法对金丝大枣、骏枣和滩枣这三个品种的新疆红枣进行研究。首先,分别利用多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导(1-Der)和Savitzky-Golay(SG)平滑等数据预处理方法对原始光谱进行预处理,研究了预处理方法对建模的影响;然后,利用光谱-理化值共生距离法(SPXY)将样本集划分为校正集和预测集,基于线性判别分析(LDA)、K-最近邻分类(KNN)和支持向量机(SVM)算法对预处理后的全波段光谱建立红枣品种鉴别模型,结果显示,在多种预处理方法中,1-Der的处理效果最好;然后,结合主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权采样(CARS)等特征提取方法对全波段光谱进行特征波段的提取,再基于特征波段建立红枣品种鉴别模型,结果发现,在几种特征提取方法中,基于CARS所提特征波段建立的模型可以获得最高的鉴别准确率;最后,以SVM模型为例对模型运行时间进行了比较,结果发现,基于特征波段所建模型的运行时间远短于基于全波段所建模型的运行时间。

关键词光谱学 高光谱技术 机器学习 品种鉴别 数据预处理 特征波段提取
收录类别CSCD
语种中文
CSCD记录号CSCD:6861887
引用统计
文献类型期刊论文
条目标识符http://ir.opt.ac.cn/handle/181661/94523
专题瞬态光学研究室
作者单位1.西安电子科技大学物理与光电工程学院
2.中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室
3.深圳技术大学中德智能制造学院
4.深圳大学物理与光电工程学院光电子器件与系统教育部/广东省重点实验室
第一作者单位中国科学院西安光学精密机械研究所
推荐引用方式
GB/T 7714
刘立新,何迪,李梦珠,等. 基于高光谱技术与机器学习的新疆红枣品种鉴别[J]. 中国激光,2020,47(11).
APA 刘立新,何迪,李梦珠,刘星,&屈军乐.(2020).基于高光谱技术与机器学习的新疆红枣品种鉴别.中国激光,47(11).
MLA 刘立新,et al."基于高光谱技术与机器学习的新疆红枣品种鉴别".中国激光 47.11(2020).
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于高光谱技术与机器学习的新疆红枣品种鉴(1864KB)期刊论文作者接受稿限制开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[刘立新]的文章
[何迪]的文章
[李梦珠]的文章
百度学术
百度学术中相似的文章
[刘立新]的文章
[何迪]的文章
[李梦珠]的文章
必应学术
必应学术中相似的文章
[刘立新]的文章
[何迪]的文章
[李梦珠]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。