高光谱成像技术的柚类品种鉴别研究
  • 【DOI】

    10.3964/j.issn.1000-0593(2015)09-2639-05

  • 【摘要】

    柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用 Kennard-Stone 法将样本划分为校正集(192个)和验证集(48个)。采... 展开>>柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用 Kennard-Stone 法将样本划分为校正集(192个)和验证集(48个)。采用多元散射校正(MSC)和标准正态变量变换(SNV)对原始光谱曲线进行预处理后,分别采用主成分分析(PCA)和连续投影算法(SPA )提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量,建立基于叶片上表面和下表面光谱信息的 PCA-LS-SVM 和 SPA-LS-SVM 模型。结果显示,基于叶片上表面光谱信息建立的 PCA-LS-SVM 和 SPA-LS-SVM 模型对建模集样本的识别正确率分别为99.46%和98.44%,对预测集样本的识别正确率均为95.83%。基于叶片下表面光谱信息建立的 PCA-LS-SVM 和 SPA-LS-SVM 模型对建模集样本和预测集样本的识别正确率皆为100%。表明,利用高光谱成像技术结合 PCA-LS-SVM 和 SPA-LS-SVM 可实现柚类品种的快速鉴别,叶片下表面光谱信息鉴别效果优于叶片上表面。该研究为柚类的品种快速鉴别提供了一种新方法。 收起<<

  • 【作者】

    李勋兰  易时来  何绍兰  吕强  谢让金  郑永强  邓烈 

  • 【作者单位】

    西南大学园艺园林学院,重庆 400715; 西南大学/中国农业科学院柑桔研究所,重庆 400712/西南大学/中国农业科学院柑桔研究所,重庆 400712; 国家柑桔工程技术研究中心,重庆 400712

  • 【刊期】

    光谱学与光谱分析 ISTIC EI SCI PKU 2015年9期

  • 【关键词】

    高光谱成像    品种鉴别  连续投影算法  主成分分析  最小二乘支持向量机  Hyperspectral imaging  Pummelo  Cultivars identification  SPA  PCA  LS-SVM 

  • 【基金项目】

    国家(863)计划项目 国家国际科技合作专项 国家星火计划项目 重庆市国际科技合作项目 国家科技支撑计划 重庆市科技攻关计划项目