来自长白山区的人参品种和年龄的超谱歧视
Ruiyang Cheng1, Xueyuan Bai1, Jianying Guo1
1Northeast Asia Research Institute of Traditional Chinese Medicine, Changchun University of Chinese Medicine, Changchun, China.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|November 17, 2023
概括
本研究引入了一种非破坏性方法,用于使用高光谱成像 (HSI) 和机器学习根据年龄识别Panax ginseng Meyer. 该方法根据光谱数据准确地分类人参品种,为行业提供了有价值的工具.
科学领域:
- 农业科学 农业科学
- 频谱学是一种光谱学.
- 计算机视觉 计算机视觉
背景情况:
- 帕纳克斯人参梅耶尔的价值与其年龄和多样性有关.
- 传统的认同是破坏性的和主观的.
- 对于人参产业而言,非破坏性,现场识别至关重要.
研究的目的:
- 开发一种非破坏性,准人工智能 (准人工智能) 的方法,用于使用高光谱成像 (HSI) 来识别人参.
- 用支持矢量机 (SVM) 和光谱角度映射器 (SAM) 算法根据年龄对人参进行分类.
主要方法:
- 使用超光谱成像 (HSI) 来获取数据.
- 使用支持矢量机 (SVM) 和光谱角度映射器 (SAM) 进行分类.
- 在SVM分类之前,用于图像增强的主要组件分析 (PCA),最小噪声分数 (MNF) 和独立组件分析 (ICA) 的比较.
主要成果:
- 在增强的超光谱图像上使用 SVM with Radial Basis Function (RBF) 内核和 SAM 算法成功按年龄分类人参.
- 不同种人参类型 (WMG,MCG,GG) 的分类主要取决于年龄,利用末端成员的光谱.
结论:
- 从分类中得出的"末肢谱集"是识别不同年龄的人参的关键指标.
- 这种光谱方法为人参质量评估提供了一种非破坏性和客观的方法.
