首页 > 福建农林大学学报（自然科学版） > 基于优化SVM和BP神经网络检测双孢蘑菇早期病害

基于优化SVM和BP神经网络检测双孢蘑菇早期病害

Detection of early disease of Agaricus bisporus based on optimized SVM and BP neural network

二维码有效期 120s

摘要利用反向传播(back propagation,BP)神经网络及支持向量机(support vector machine,SVM)优化模型等算法实现了双孢蘑菇多酚氧化酶(polyphenol oxidase,PPO)的检测与双孢蘑菇的病害判别.首先各采集200个健康、染病双孢蘑菇在全波段(450～1000 nm)上的高光谱数据及其PPO值.采用竞争自适应加权算法(competitive adaptive reweighted sampling,CARS)和连续投影算法(successive projections algorithm,SPA)提取对PPO值敏感的特征波段,并建立偏最小二乘回归(partial least squares regression,PLSR)预测模型.结果表明SPA-PLSR模型(RP=0.917)的预测精度最高.其次采用逐步回归法对SPA提取的特征波长逐步引入与疣孢霉病相关的特征信息,再利用相关性分析探究所引入的特征信息与染病情况的相关性,最终优选出12个特征波长.对比了极限学习机(extreme learning machine,ELM)、SVM、粒子群优化后的支持向量机(particle swarm optimization-SVM,PSO-SVM)和BP神经网络4种模型对双孢蘑菇染病判别的结果,其中隐含层神经元节点数为14的BP神经网络模型建模效果最好,预测集总体判别率为94.737％.本研究建立的判别模型能够有效判别双孢蘑菇早期疣孢霉病.

作者黄亮 ^[1] 魏萱 ^[2] 陈子涵 ^[3] 温志强 ^[4] 学术成果认领

作者单位福建农林大学机电工程学院,福建福州350002 ^[1] 福建农林大学机电工程学院,福建福州350002;福建农林大学食品学院,福建福州350002;福建省农业信息感知技术重点实验室,福建福州350002 ^[2] 福建水利电力职业技术学院,福建永安366000 ^[3] 福建农林大学生命科学学院,福建福州350002 ^[4]

关键词双孢蘑菇 BP神经网络高光谱成像技术逐步回归 PSO算法

分类号 S123

栏目名称

机电工程

DOI 10.13323/j.cnki.j.fafu(nat.sci.).2022.06.020

发布时间 2022-12-05（万方平台首次上网日期，不代表论文的发表时间）

基金项目

国家自然科学基金（61705037）福建农林大学科技创新专项基金（KFb22100XA）