APP下载

高光谱数据对损伤长枣的检测判别

2021-09-14袁瑞瑞刘贵珊何建国万国玲樊奈昀孙有瑞

光谱学与光谱分析 2021年9期
关键词:分类特征模型

袁瑞瑞, 王 兵, 刘贵珊*,何建国, 万国玲, 樊奈昀, 李 月, 孙有瑞

1. 宁夏大学食品与葡萄酒学院, 宁夏 银川 750021 2. 宁夏大学物理与电子电气工程学院, 宁夏 银川 750021

引 言

枣(ZizyphusjujubaMiller)在中国已有4 000多年的历史, 它主要分布在亚洲的亚热带和热带地区, 已有三千多年的耕种历史。 “灵武长枣”(Lingwu long jujube)是宁夏重要的经济林木之一, 并且由于其巨大的生态、 社会和经济效益, 也是宁夏农业的主要组成部分[1-2], 但是灵武长枣在采收、 运输等过程中容易受到损伤, 并且损伤后不容易被观察到降低商品价值严重影响经济收益[3]。 因此, 亟需一种无损检测技术快速有效地检测灵武长枣的内部损伤。

近年来, 高光谱成像系统作为一种快速无损、 准确度高且具有高灵敏度的检测系统, 被用于苹果[4]、 梨[5]、 猕猴桃[6]、 草莓[7]、 蓝莓[8]、 桃子[9]等的瘀伤检测。 Zhang[10]等利用高光谱成像系统结合AdaBoost算法对完整苹果和损伤后5个时间段(损伤后1 min、 1天、 2天、 3天、 4天)的苹果进行了分类, 结果表明, 经MSC(multiplicative scatter correction)和CFS(correlation-based feature selection)预处理后, 所选波长建立的模型平均精度为97.63%。 Fan[11]等利用最佳波长结合近红外高光谱反射成像系统对蓝莓内部瘀伤随时间的变化进行了检测研究, 结果表明, 蓝莓在撞击后30 min、 2 h、 6 h和12 h的波段比值图像建模分类精度分别为77.5%, 83.8%, 92.5%和95.0%, 以及CARS-LS-SVM(competitive adaptive reweighted sampling-least squares-support vector machine)模型的验证集中健康和瘀伤蓝莓准确率分别为93.3%和95.9%。 Lee[5]等利用高光谱图像对梨的物理损伤进行了检测研究, 结果表明, 利用最佳阈值波段比检测结果的准确率为92%。 灵武长枣外部缺陷检测已有相关研究, 但是对于灵武长枣内部损伤检测鲜有报道。……

登录APP查看全文

猜你喜欢

分类特征模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
教你一招:数的分类
3D打印中的模型分割与打包
线性代数的应用特征