换一批基于高光谱成像技术的高粱农药残留种类检测研究
Detection of pesticide residue types in sorghum based on hyperspectral imaging technology research
摘要目的 基于高光谱成像技术实现对高粱农药残留种类的鉴别.方法 利用近红外高光谱成像系统采集高粱农药残留样品的高光谱数据,建立基于 BP 神经网络自适应增强算法(back propagation neural network with adaptive boosting,BP-AdaBoost)、轻量梯度提升机(light gradient boosting algorithm,LGBM)、极度梯度提升(eXtreme gradient boosting,XGBoost)、支持向量机(support vector machine,SVM)的高粱农药残留分类模型;采用了3种预处理方法和4种特征波长选择方法,并构建基于特征波长信息的农药残留分类模型,对比分析结果.结果 标准正态变换(standard normal variate,SNV)为最佳的预处理方法,类型提升算法(type boosting algorithm,CatBoost)相比于梯度提升树(gradient boosting decision tree,GBDT)、竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)和主成分分析法(principal component analysis,PCA)选择的特征波长更具有代表性;在所有分类模型中,SNV-CatBoost-BP-AdaBoost模型农药残留鉴别效果最好,测试集平均分类正确率为 95.17%.结论 高光谱成像技术结合 BP-AdaBoost 算法可以识别出高粱中农药残留的种类,为检测高粱农药残留类别提供了一种新的方法.
更多相关知识
关键词
高光谱成像高粱农药残留无损检测BP神经网络自适应增强算法hyperspectral imagingsorghumpesticide residuesnon-destructive testingback propagation neural network with adaptive boosting
栏目名称
发布时间
2023-11-14（万方平台首次上网日期，不代表论文的发表时间）
- 浏览18
- 被引9
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
