堆栈降噪自编码结合随机森林的黄龙病检测

来源：激光与红外杂志2019年第4期北京时间：

作者：路皓翔

单位：1.桂林电子科技大学电子工程与自动化学院,广西 桂林 541004；2.桂林电子科技大学计算机与信息安全学院,广西 桂林 541004；3.北京邮电大学自动化学院,北京100876；

摘要：近红外光谱分析技术作为一种无损、快捷的分析方法在各个领域应用相当广泛。针对柑橘黄龙病检测成本高、可靠性差和精度低等问题,提出了一种堆栈降噪自编码融合随机森林(Stacked Denoising Auto-encoders Combined Random Forest,SDAE-RF)的柑橘黄龙病近红外光谱检测方法,该方法首先采用多阶段预处理法对样本光谱数据进行预处理,然后采用SDAE对经过预处理后的光谱数据进行降维,实现柑橘样本深层特征的提取,最后利用RF的投票集成策略实现分类鉴别。为了验证SDAE-RF模型的性能,采用某公司提供的柑橘叶片近红外光谱数据为实例,以不同比例的训练集进行实验,并与ELM、SWELM、SVM、BP、SDAE和RF模型的鉴别能力进行对比。实验结果表明,SDAE-RF模型较其他算法在分类精度、算法稳定性以及训练时间方面均表现出较好的效果。

关键词：近红外光谱;堆栈降噪自编码;随机森林;多阶段预处理;黄龙病鉴别

基金资助：国家自然科学基金项目(No.21365008,No.61105004);广西自动检测技术与仪器重点实验室主任基金项目(No.YQ18108)资助