| 基于高光谱图像的黄瓜种子活力无损检测 |
| |
| 引用本文： | 王新忠,卢青,张晓东,吴又新,承银辉.基于高光谱图像的黄瓜种子活力无损检测[J].江苏农业学报,2019,35(5). |
| |
| 作者姓名： | 王新忠 卢青 张晓东 吴又新 承银辉 |
| |
| 作者单位： | 江苏大学农业装备工程学院,江苏 镇江 212013;江苏大学现代农业装备与技术教育部重点实验室,江苏 镇江212013;江苏大学农业装备工程学院,江苏 镇江 212013;江苏大学现代农业装备与技术教育部重点实验室,江苏 镇江212013;江苏大学农业装备工程学院,江苏 镇江 212013;江苏大学现代农业装备与技术教育部重点实验室,江苏 镇江212013;江苏大学农业装备工程学院,江苏 镇江 212013;江苏大学现代农业装备与技术教育部重点实验室,江苏 镇江212013;江苏大学农业装备工程学院,江苏 镇江 212013;江苏大学现代农业装备与技术教育部重点实验室,江苏 镇江212013 |
| |
| 基金项目： | 国家自然科学基金;江苏省重点研发计划 |
| |
| 摘 要： | 为实现对黄瓜种子的快速、无损检测,以人工老化0 h、36 h、72 h的3个不同活力梯度的黄瓜种子为研究对象,利用波长400～1 000 nm的可见光光谱对黄瓜种子活力进行检测。对比了多元散射校正(MSC)、标准正态变换(SNV)、卷积平滑(S-G)3种预处理方法,结果显示SNV预处理的效果最优。从特征提取和特性选择2个角度进行降维分析。分别使用主成分分析法和连续投影算法,对比各个主成分数的正确分类率,选取最佳的主成分数。通过连续投影算法(SPA)选择9、12、13个特征波长,通过对比分类正确率,选出最佳波长数为12个。最后将提取出的最佳主成分和选择的最佳特征波长作为支持向量机的输入,分别选择线性核函数和径向基核函数,结合网格搜索方法,确定模型的惩罚因子c和径向基核函数中的参数gamma,建立判别分析模型。所有模型分类正确率均达到97.3%以上,其中SPA-SVM(基于RBF核函数)效果最佳,分类正确率达到98.6%。可见,利用高光谱图像技术结合SPA-SVM能有效地鉴别黄瓜种子的活力。
|
| 关 键 词： | 高光谱图像 种子活力 主成分分析 连续投影算法 支持向量机 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
