面向大米分类的高光谱特征波长提取方法

来源：江苏农业科学杂志2018年第第17期北京时间：

作者：赵刘; 齐海军; 金秀; 温淑娴; 李绍稳

单位：安徽农业大学信息与计算机学院，安徽合肥 230036

摘要：为了利用高光谱对不同类型大米进行快速有效分类，首先采用高光谱成像系统在400~1 000 nm光谱区域获取大米图谱信息，分别利用竞争性自适应重加权算法(competitive adaptive reweighted sampling，CARS)、连续投影算法(successive projection algorithm，SPA)、无变量信息消除法(uninformative variable elimination，UVE)、随机蛙跳(shuffled frog leaping algorithm，SFLA)对大米波谱信息进行特征波长提取，并利用提取的特征波长结合支持向量机(support vector machine，SVM)分类算法对6种大米进行品种鉴别。研究结果表明，利用SPA选取的特征波长建立的分类模型识别率为75.00%；利用UVE选取的特征波长建立的分类模型识别率为77.78%；利用SFLA选取的特征波长建立的分类模型识别率为52.78%；利用CARS选取的特征波长建立的分类模型识别率为83.33%；利用全波段下的光谱信息建立的分类模型识别率达到77.78%。表明利用CARS选取特征波长可以有效替代全波段信息进行大米品种分类。

关键词：大米;高光谱技术;支持向量机;种类鉴别;特征波长

基金资助：农业部“948”计划延续支持重点项目(编号：2016-X34)。