换一批基于高光谱图像特征融合的榛子水分含量测定
Determination of Moisture Content of Hazelnuts Based on Hyperspectral Image Feature Fusion
摘要采用高光谱图像技术对榛子水分含量进行快速无损检测.采集 200 个榛子在 400～1 000 nm波段的高光谱图像,提取榛子图像区域的平均光谱信息.利用K-S算法划分样品验证集和预测集,使用四种预处理方法对光谱进行预处理.通过竞争自适应加权算法(Competitive Adaptive Reweighted Sampling,CARS)和逐次投影法(Successive Projection Algorithm,SPA)进行光谱特征的提取;灰度共生矩阵法(Gray level Co-occurrence Matrix,GLCM)提取图像的纹理特征;分别建立基于光谱特征,图像纹理特征以及两者串联融合的偏最小二乘回归(Partial Least Squares Regression,PLSR)和支持向量回归(Support Vector Regression,SVR)模型对榛子水分进行预测.结果表明,CARS和SPA算法能够有效选择特征波长并提升预测性能;图像特征能够对榛子水分进行预测,基于主成分图像提取的图像特征信息建立的模型预测效果更好.光谱图像特征融合能明显提高对榛子水分含量预测的准确率,CARS提取的特征波段结合主成分图像的纹理特征显示出了更好的效果,SVR模型的RMSECV为 0.03,RC为 0.97,RMSEP为 0.04,RP为 0.96.利用高光谱图像和纹理特征能够对榛子水分进行有效预测,为榛子水分含量检测提供了新的方法.
更多相关知识
栏目名称
DOI
10.13982/j.mfst.1673-9078.2024.5.0585
发布时间
2024-06-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中央高校基本科研业务费专项资金项目（2572019BF02）
- 浏览5
- 被引7
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
