基于高光谱成像技术鉴别大米品种

S123%TS210; 大米品质与品种密切相关,因此品种鉴别对实施"优质粮食工程"具有重要意义.采集外观相似的6个品种共600粒大米的高光谱反射率数据,经过多元散射校正(MSC)、二阶导数(2ND)和标准正态变换(SNV)对光谱数据进行预处理.利用连续投影算法(SPA)和主成分分析(PCA)对光谱数据降维.以灰度共生矩阵(GLCM)提取特征波长对应灰度图像的纹理特征.应用全波段、特征波段、纹理特征以及光谱-纹理特征融合数据分别建立基于支持向量机算法(SVM)的品种鉴别模型.结果 表明,光谱-纹理融合特征的分类准确率最高,达到94.12％.利用乌鸦搜索算法(CSA)对模型参数...

Full description

Saved in:
Bibliographic Details
Published in中国农业科技导报 Vol. 23; no. 9; pp. 121 - 128
Main Authors 王靖会, 程娇娇, 刘洋, 常佳乐, 王朝辉
Format Journal Article
LanguageChinese
Published 吉林农业大学信息技术学院,长春130118%吉林农业大学食品科学与工程学院,长春130118 2021
Subjects
高光谱成像技术;品种鉴别;特征融合;参数优化
Online AccessGet full text
ISSN1008-0864
DOI10.13304/j.nykjdb.2020.0305

Cover

More Information
Summary:S123%TS210; 大米品质与品种密切相关,因此品种鉴别对实施"优质粮食工程"具有重要意义.采集外观相似的6个品种共600粒大米的高光谱反射率数据,经过多元散射校正(MSC)、二阶导数(2ND)和标准正态变换(SNV)对光谱数据进行预处理.利用连续投影算法(SPA)和主成分分析(PCA)对光谱数据降维.以灰度共生矩阵(GLCM)提取特征波长对应灰度图像的纹理特征.应用全波段、特征波段、纹理特征以及光谱-纹理特征融合数据分别建立基于支持向量机算法(SVM)的品种鉴别模型.结果 表明,光谱-纹理融合特征的分类准确率最高,达到94.12％.利用乌鸦搜索算法(CSA)对模型参数进行优化后,准确率达96.57％.因此,光谱-纹理特征组合下的支持向量机结合乌鸦搜索算法能充分利用高光谱图像的光谱和纹理信息,实现对大米品种的快速无损鉴别.
ISSN:1008-0864
DOI:10.13304/j.nykjdb.2020.0305