投稿须知
  《沈阳农业大学学报》是沈阳农业大学主办的综合性农业学术期刊,主要刊登农业工程、作物学、园艺学、农业资源利用、植物保护、动物科学、生物学、林学、 ...

基于高光谱成像的苹果果梗完整性识别方法研究

作者: 田有文 赖兴涛 张芳 石瑞瑶 古文君 王文森

关键词: 果梗完整性 高光谱成像 连续投影法 支持向量机

摘要:为了实现对苹果品质的等级评价,对果梗的完整性进行检测是必不可少的.选取了苹果样本260个,其中果梗完整果104个、果梗不完整果92个、没有果梗果64个.利用高光谱成像技术提取苹果感兴趣区域光谱信息.采用逐步多元回归算法(stepwise multiple linear regression,SMLR)从全波段(450~970nm)提取了5个特征波长(594.78,572.08,599.84,626.48,666nm),采用连续投影算法(successive projections algorithm,SPA)从全波段(450~970nm)提取了7个特征波长(467.5,672.4,695.4,730.2, 840.4,952.6,969.6nm).然后,提取感兴趣区域的惯性矩、相关性、能量和熵4个纹理特征.将光谱特征、纹理特征、光谱特征结合纹理特征3组数据,分别作为输入矢量,采用支持向量机 (support vector machine,SVM)、BP人工神经网络 (BP artificial neural network,BPANN)对苹果果梗完整性进行识别,使用交叉验证的方法进行5组交叉验证,每一组分别从训练集和验证集中拿出30个进行互换,将5组验证集正确率的平均值作为评价指标,并且对比分析结果.结果表明:单独使用纹理特征作为输入矢量,果梗识别效果不佳,SVM模型正确率为50.3%,BPANN模型正确率为37.2%.融合光谱特征和纹理特征作为输入矢量识别效果一般, SPA-T-SVM模型正确率为86.6%,SPA-T-BPANN模型正确率为80.3%,SMLR-T-SVM模型正确率为77.2%,SMLR-T-BPANN模型正确率为74.9%.只采用光谱特征作为输入矢量识别效果较好,其中SPA-SVM方法识别效果最好,识别正确率达到91.7%,且数据计算量小.该研究为苹果品质等级评价提供了理论依据.


上一篇: 对称交互熵多属性决策排序法在温室番茄综合生产效果评价中的应用
下一篇: 羊肚菌液体培养工艺研究

地址:辽宁省沈阳市东陵路120号   邮政编码:110161
公网安备511810004号