基于高光谱成像技术和IRIV算法的玉米种子品种纯度识别
TP391.4; 基于高光谱成像技术,提出了一种无损、快速的玉米种子纯度识别方法.首先,采用多元散射校正(MSC)等方法对数据进行预处理;其次,应用竞争性自适应重加权法(CARS)和迭代保留信息变量法(IRIV)提取特征波长;再次,建立支持向量机(SVM)和线性判别分析(LDA)等纯度识别模型;最后,设置随机种子值,使用采集函数"expected-improvement-plus"搜索置信区间中的待评价点,得到使交叉验证损失最小的超参数值,提高模型的准确率.结果表明:MSC-IRIV-LDA识别模型准确率最高,训练集和预测集的准确率分别为0.9604和0.9333,K值为0...
Saved in:
Published in | 江苏大学学报(自然科学版) Vol. 44; no. 2; pp. 159 - 165 |
---|---|
Main Authors | , , , , |
Format | Journal Article |
Language | Chinese |
Published |
江苏大学 农业工程学院,江苏 镇江212013
01.03.2023
国家农业智能装备工程技术研究中心,北京100097%北京市农林科学院智能装备技术研究中心,北京100097 国家农业智能装备工程技术研究中心,北京100097 北京市农林科学院智能装备技术研究中心,北京100097 |
Subjects | |
Online Access | Get full text |
ISSN | 1671-7775 |
DOI | 10.3969/j.issn.1671-7775.2023.02.005 |
Cover
Summary: | TP391.4; 基于高光谱成像技术,提出了一种无损、快速的玉米种子纯度识别方法.首先,采用多元散射校正(MSC)等方法对数据进行预处理;其次,应用竞争性自适应重加权法(CARS)和迭代保留信息变量法(IRIV)提取特征波长;再次,建立支持向量机(SVM)和线性判别分析(LDA)等纯度识别模型;最后,设置随机种子值,使用采集函数"expected-improvement-plus"搜索置信区间中的待评价点,得到使交叉验证损失最小的超参数值,提高模型的准确率.结果表明:MSC-IRIV-LDA识别模型准确率最高,训练集和预测集的准确率分别为0.9604和0.9333,K值为0.9186;对LDA的δ和γ超参数值进行优化后,进一步提高了训练集、预测集准确率和K值;本研究提出的方法能够实现玉米种子纯度无损、快速识别,为精准农业的发展提供技术支持. |
---|---|
ISSN: | 1671-7775 |
DOI: | 10.3969/j.issn.1671-7775.2023.02.005 |