| 壶瓶枣自然损伤的高光谱成像检测 |
| |
| 引用本文： | 薛建新,张淑娟,张晶晶.壶瓶枣自然损伤的高光谱成像检测[J].农业机械学报,2015,46(7):220-226. |
| |
| 作者姓名： | 薛建新 张淑娟 张晶晶 |
| |
| 作者单位： | 山西农业大学,山西农业大学,山西农业大学 |
| |
| 基金项目： | 国家自然科学基金资助项目(31271973)和山西省自然科学基金资助项目(2012011030-3) |
| |
| 摘 要： | 采用高光谱成像技术(450~1 000 nm)对壶瓶枣的5种自然损伤(缩果病、裂纹、虫害、黑斑病、鸟啄伤)进行识别研究。利用高光谱成像系统采集了5种自然损伤及完好枣一共663个壶瓶枣样本的高光谱图像,并提取相应的感兴趣区域(ROI),得到了样本的光谱数据。应用偏最小二乘回归(PLSR)、连续投影算法(SPA)从全波段中分别提取了9条、10条特征波长,利用Kennard-Stone算法将各类样本按照3∶1的比例随机分成训练集(500个)和测试集(163个),并对其建立最小二乘支持向量机(LS-SVM)判别模型,结果表明使用SPA-LS-SVM建立的壶瓶枣自然损伤模型的整体判别正确识别率为93.2%。运用主成分分析(PCA)对由SPA提取出的10条特征波长(535、595、657、672、685、749、826、898、964、999 nm)所对应的单波段图像进行数据压缩,分别采用Sobel算子、区域生长算法Regiongrow并结合主成分图像识别出163个壶瓶枣样本的边缘与自然损伤特征区域,得出平均正确识别率达到90.8%。研究结果表明:采用高光谱成像技术可以对壶瓶枣的自然损伤进行光谱判别和图像识别。
|
| 关 键 词： | 壶瓶枣 自然损伤 高光谱成像 检测 |
| 收稿时间： | 2015/1/25 0:00:00 |
Application of Hyperspectral Imaging for Detection of Natural Defective Features in Huping Jujube Fruit |
| |
| Xue Jianxin,Zhang Shujuan and Zhang Jingjing.Application of Hyperspectral Imaging for Detection of Natural Defective Features in Huping Jujube Fruit[J].Transactions of the Chinese Society of Agricultural Machinery,2015,46(7):220-226. |
| |
| Authors: | Xue Jianxin Zhang Shujuan and Zhang Jingjing |
| |
| Institution: | Shanxi Agricultural University,Shanxi Agricultural University and Shanxi Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | Huping jujube Natural defects Hyperspectral imaging Detection |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
