换一批结合太赫兹光谱与机器学习的小麦霉变程度判别
Detection of Mildew Degree of Wheat Using Terahertz Spectroscopy and Machine Learning
摘要为快速、准确地判断小麦籽粒的霉变程度,研究基于太赫兹时域光谱技术,结合支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和极限学习机(extreme learning machine,ELM)的霉变小麦定性分析方法.首先,将小麦籽粒分为正常、轻度霉变、中度霉变和重度霉变4类,利用CCT-1800太赫兹时域光谱仪获取小麦样本在0.1～4.0 THz波段的光谱数据.对比采用不同光谱预处理方法对判别结果的影响后,使用主成分分析、线性判别分析(linear discriminant analysis,LDA)、t分布随机近邻嵌入3种方法对光谱数据进行降维,结果表明LDA的降维效果最好.最后,构建基于SVM、RF和ELM的小麦霉变程度判别模型,结果显示SVM的判别效果最好,当核函数选择多项式核、误差惩罚系数为1时,判别准确率高达98.61％,预测集均方根误差值为0.1429.本研究表明利用太赫兹光谱技术可实现小麦霉变程度的准确检测,为食品安全和粮食贮藏检测提供一种检测手段.
更多相关知识
关键词
太赫兹时域光谱霉变小麦光谱预处理光谱降维光谱分类terahertz time-domain spectroscopymoldy wheatspectral preprocessingspectral dimension reductionspectral classification
分类号
O433
栏目名称
DOI
10.7506/spkx1002-6630-20220727-304
发布时间
2023-07-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国博士后科学基金面上项目（2020M673503）；
陕西省自然科学基础研究计划一般项目（2021JQ-145）；
陕西省重点研发计划项目（2021NY-169）；
陕西省重点研发计划项目（2020NY-101）
- 浏览4
- 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
