基于高光谱技术与机器学习的新疆红枣品种鉴别

作     者：刘立新 何迪 李梦珠 刘星 屈军乐 Lixin Liu;Di He;Mengzhu Li;Xing Liu;Junle Qu

作者机构：西安电子科技大学物理与光电工程学院陕西西安710071 中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室陕西西安710119 深圳技术大学中德智能制造学院广东深圳518118 深圳大学物理与光电工程学院光电子器件与系统教育部/广东省重点实验室广东深圳518060 

出 版 物：《中国激光》 (Chinese Journal of Lasers)

年 卷 期：2020年第47卷第11期

页      面：284-291页

核心收录：

学科分类：07[理学] 070302[理学-分析化学] 0703[理学-化学] 

基　　金：国家自然科学基金(61378091) 高等学校学科创新引智计划 深圳大学光电子器件与系统教育部/广东省重点实验室开放基金(GD201711) 瞬态光学与光子技术国家重点实验室开放基金(SKLST201804) 

主　　题：光谱学 高光谱技术 机器学习 品种鉴别 数据预处理 特征波段提取 

摘      要：为实现对红枣品种的判别,利用高光谱技术并结合机器学习算法对金丝大枣、骏枣和滩枣这三个品种的新疆红枣进行研究。首先,分别利用多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导(1-Der)和Savitzky-Golay(SG)平滑等数据预处理方法对原始光谱进行预处理,研究了预处理方法对建模的影响;然后,利用光谱-理化值共生距离法(SPXY)将样本集划分为校正集和预测集,基于线性判别分析(LDA)、K-最近邻分类(KNN)和支持向量机(SVM)算法对预处理后的全波段光谱建立红枣品种鉴别模型,结果显示,在多种预处理方法中,1-Der的处理效果最好;然后,结合主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权采样(CARS)等特征提取方法对全波段光谱进行特征波段的提取,再基于特征波段建立红枣品种鉴别模型,结果发现,在几种特征提取方法中,基于CARS所提特征波段建立的模型可以获得最高的鉴别准确率;最后,以SVM模型为例对模型运行时间进行了比较,结果发现,基于特征波段所建模型的运行时间远短于基于全波段所建模型的运行时间。