| 基于高光谱图像的红豆品种GA—PNN神经网络鉴别 |
| |
| 引用本文： | 孙俊,路心资,张晓东,朱文静,武小红,杨宁.基于高光谱图像的红豆品种GA—PNN神经网络鉴别[J].农业机械学报,2016,47(6):215-221. |
| |
| 作者姓名： | 孙俊 路心资 张晓东 朱文静 武小红 杨宁 |
| |
| 作者单位： | 江苏大学,江苏大学,江苏大学,江苏大学,江苏大学,江苏大学 |
| |
| 基金项目： | 国家自然科学基金项目（31471413、31401286）、江苏高校优势学科建设工程项目PAPD（苏政办发(2011)6号）、江苏大学现代农业装备与技术重点实验室开放基金项目（NZ201306）、江苏省六大人才高峰项目（ZBZZ—019）、中国博士后科学基金项目（2014M561594）和江苏省自然科学基金项目(BK20141165、20140550) |
| |
| 摘 要： | 提出一种基于高光谱图像技术的红豆品种鉴别方法。利用高光谱成像系统采集江苏、安徽、山东的3个品种共162个红豆样本高光谱图像数据,通过ENVI软件提取出红豆中感兴趣区域的平均光谱作为该样本原始光谱信息,利用SG多项式平滑对原始光谱数据进行去噪处理,由于高光谱数据信息量大,冗余性强,故需对高光谱数据进行降维,采用了连续投影算法进行特征波长选择,根据交叉验证均方根误差确定最佳特征光谱的个数为9,采用主成分分析法和独立分量分析算法进行特征波长提取,经过PCA处理,根据方差累计贡献率大于85%的标准选出7个特征波长,ICA分别提取了7、10、17个特征波长,通过测试集验证,选出17个最佳特征波长。最后分别将优选出的特征波长和提取出的最优主成分作为模型的输入。建立概率神经网络(PNN)模型测试后发现结果没有达到预期精度,引入遗传算法(GA)优化的PNN神经网络的阈值,并对隐含层节点进行最优选择。通过测试试验,所有的模型识别正确率均高于85%,其中SPA-GA-PNN模型的效果最佳,识别正确率达到了97.5%。
|
| 关 键 词： | 红豆 高光谱图像 品种鉴别 特征波长 概率神经网络 遗传算法 |
| 收稿时间： | 2015/12/7 0:00:00 |
| 本文献已被 CNKI 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 |
|
