| 基于SAGA-SVR预测模型的水稻种子 水分含量高光谱检测 |
| |
| 引用本文： | 芦兵,孙俊,杨宁,武小红.基于SAGA-SVR预测模型的水稻种子 水分含量高光谱检测[J].南方农业学报,2018,49(11):2342-2348. |
| |
| 作者姓名： | 芦兵 孙俊 杨宁 武小红 |
| |
| 作者单位： | 江苏大学 电气信息工程学院,江苏 镇江 212013江苏大学 信息化中心,江苏 镇江 212013江苏大学 电气信息工程学院,江苏 镇江,212013 |
| |
| 摘 要： | 目的]利用高光谱技术测定水稻种子的水分含量,为其品质监测和筛选提供参考依据,从而提高水稻良种筛选率.方法]通过电烘箱恒重法制备120份不同水分含量的水稻种子样本作为研究对象,利用多项式平滑(Savitz-ky-Golay,S-G)算法对原始光谱数据进行降噪平滑处理,采用连续投影算法(Successive projections algorithm,SPA)对预处理后的数据进行特征波长的优选.为提高建模效率,提高各水分含量区间光谱特征值的区分度,使用模糊C-均值聚类(Fuzzy C-means clustering,FCM)算法对各区间的样本数据进行聚类处理,最后利用支持向量回归机(Sup-port vector regression,SVR)定量检测模型建立特征光谱数据与水稻种子水分含量的映射关系.结果]由于FCM未达到预期的聚类效果,而引入遗传模拟退火算法(Simulated annealing genetic algorithm,SAGA)进行聚类,分别对基于原始特征值、FCM及SAGA聚类的SVR训练结果进行比较,发现基于SAGA聚类的光谱样本数据训练效果更好,预测集决定系数可达0.8956,均方根误差3.75%.由于决定系数不够理想,引入松弛变量降低间隔阈值,最终模型预测集决定系数为0.9286,均方根误差为3.42%,此时模型达最佳性能,能满足实际应用需求.建议]基于聚类算法,提高光谱数据的准确性;通过合理调整模型参数,提高预测模型性能;推动高光谱农产品检测相关装备的研制.
|
| 关 键 词： | 水稻种子 高光谱 模糊C-均值聚类(FCM) 遗传模拟退火(SAGA) 支持向量回归机(SVR) |
Hyperspectral detection for moisture in rice seeds by SAGA-SVR prediction model |
| |
| LU Bing,SUN Jun,YANG Ning,WU Xiao-hong.Hyperspectral detection for moisture in rice seeds by SAGA-SVR prediction model[J].Journal of Southern Agriculture,2018,49(11):2342-2348. |
| |
| Authors: | LU Bing SUN Jun YANG Ning WU Xiao-hong |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《南方农业学报》浏览原始摘要信息 |
| 点击此处可从《南方农业学报》下载免费的PDF全文 |
|
