[基于高光谱数据的Polygonatum cyrtonema的来源鉴定]
Deng-Ting Zhang1, Jian Yang2, Ming-En Cheng3
1School of Pharmacy,Anhui University of Chinese Medicine Hefei 230012,China State Key Laboratory for Quality Ensurance and Sustainable Use of Dao-di Herbs,National Resource Center for Chinese Materia Medica,China Academy of Chinese Medical Sciences Beijing 100700,China.
概括
超光谱成像可以使用各种预处理和机器学习方法准确识别Polygonatum cyrtonema的起源. 这项技术为区分省级,县级和乡镇级的地理来源提供了高准确度.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 化学测量 化学测量 化学测量
背景情况:
- 准确地确定药用植物的地理来源,如Polygonatum cyrtonema对于质量控制和认证至关重要.
- 传统的原产地识别方法可能是耗时和主观的.
- 超光谱成像为植物起源歧视提供了一种非破坏性和客观的方法.
研究的目的:
- 评估视觉近红外 (VNIR) 和短波红外 (SWIR) 超光谱数据融合的有效性,以确定Polygonatum cyrtonema的地理来源.
- 为了比较不同光谱预处理技术和机器学习算法 (随机森林,线性支向量分类,部分最小方程差异分析) 的性能,用于原产地识别.
- 评估超光谱成像在多个空间尺度 (省,县,乡镇) 上用于原产地识别的可行性.
主要方法:
- 从不同来源的Polygonatum cyrtonema样本收集和预处理VNIR,SWIR和合的高光谱数据.
- 应用光谱预处理方法,包括第一导数 (FD),第二导数 (SD),萨维茨基-戈莱平滑 (S-G),标准规范变量 (SNV) 和乘法散射校正 (MSC).
- 使用随机森林 (RF),线性支向量分类 (LinearSVC) 和部分最小平方差异分析 (PLS-DA) 开发来源识别模型,通过连续投影算法 (SPA) 和竞争性自适应重权取样 (CARS) 选择特征.
主要成果:
- 将VNIR+SWIR融合数据与LinearSVC相结合的First Derivative (FD) 预处理实现了高精度:在省份中高达99.97%,在县中高达100.00%,在乡镇中高达99.62%的原产地识别.
- 使用CARS选择的26个特征波段并用FD预处理的模型也表现出强的性能,在使用LinearSVC.的所有空间尺度上,准确度超过87.00%.
- 所有经过测试的原产地识别模型,无论空间规模如何,在FD预处理合的超谱数据后,都实现了超过98.00%的准确性.
结论:
- 超光谱成像技术,特别是使用VNIR+SWIR数据融合和FD预处理,对于准确识别Polygonatum cyrtonema起源非常有效.
- 线性支向量分类 (LinearSVC) 证明是开发精确来源识别模型的强大算法.
- 这项研究证实了超光谱成像在各种空间分辨率下辨别Polygonatum cyrtonema的地理来源的能力.
