文献类型：期刊文章

作　　者：霍迎秋[1] 张晨[1] 李宇豪[1] 智文涛[1] 张炯[2] 刘景玲[3]

Huo Yingqiu;Zhang Chen;Li Yuhao;Zhi Wentao;Zhang Jiong;Liu Jingling(College of Information Engineering,Northwest A&F University,Yangling,712100,China;Department of Biomedical Engineering,Eindhoven University of Technology,Eindhoven,5600MB,Netherlands;College of Life Sciences,Northwest A&F University,Yangling,712100,China)

机构地区：[1]西北农林科技大学信息工程学院,陕西杨凌712100 [2]埃因霍芬理工大学生物医药工程系 [3]西北农林科技大学生命科学学院,陕西杨凌712100

出　　处：《中国农机化学报》

基　　金：国家高技术研究发展计划子课题(2013AA10230402);陕西省农业科技创新与攻关项目(2015NY049);陕西省自然科学基金面上项目(2015JM3110)

年　　份：2019

卷　　号：40

期　　号：4

起止页码：71-77

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、核心刊

摘　　要：为实现对过量使用1-MCP化学保鲜剂猕猴桃快速、无损检测,提出高光谱技术结合机器学习建立识别模型的检测方法。首先对空白猕猴桃和过量化学保鲜猕猴桃在865.11～1 711.71 nm范围内进行高光谱数据采集。然后选用标准正态变量变换方法预处理原始光谱数据以去除噪声,采用波段比算法增强图像,数学形态学算法提取感兴趣区域,进而计算光谱平均值。最后采用主成份分析(PCA)、竞争性自适应加权(CARS)方法对全光谱数据(FS)进行特征提取,去除干扰项;以PCA和CARS提取的特征量和FS数据作为输入,结合偏最小二乘(PLS)和支持向量机(SVM)建立12个识别模型。试验结果表明,基于PLS和SVM建立的识别模型均能够有效检测过量化学保鲜猕猴桃,其中CARS-SVM模型性能最好,平均正确识别率达100%,运行速度最快,仅为0.015 348 s,满足工程实践中实时性高的要求,为快速、无损检测猕猴桃果品安全提供理论支撑。

关 键 词：机器学习  竞争性自适应重加权  主成分分析 偏最小二乘 支持向量机

分 类 号：S663.4] TP181]