超光谱成像与GA-SVM相结合用于玉米品种识别
Fu Zhang1,2, Mengyao Wang1, Fangyuan Zhang1
1College of Agricultural Equipment Engineering Henan University of Science and Technology Luoyang China.
Food science & nutrition
|May 10, 2024
概括
精确的玉米品种识别是非常重要的,因为种子改. 超光谱成像与基因算法支持矢量机 (GA-SVM) 模型相结合,实现了93%的准确性,提供了可靠的分类和真实性测试方法.
科学领域:
- 农业科学 农业科学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 越来越多的种子改和虚假陈述需要有效和准确的玉米品种识别方法.
- 传统的玉米品种识别方法可能是耗时和劳动密集的.
- 开发快速可靠的技术对于保持种子质量和农业完整性至关重要.
研究的目的:
- 开发和验证一种基于高光谱成像的方法,用于准确识别玉米品种.
- 优化机器学习模型,使用光谱数据对玉米品种进行分类.
- 建立一个理论基础,以加强玉米品种分类和真实性验证.
主要方法:
- 获得了玉米种子的高光谱图像,并提取了感兴趣的区域 (胚胎).
- 频谱数据经过预处理,包括Savitzky-Golay (SG) 平滑和多重分散校正 (MSC).
- 使用连续投影算法 (SPA) 和竞争性适应性重权取样 (CARS) 选择特征波长,并使用遗传算法 (GA) 和粒子群优化 (PSO) 优化模型 (SVM).
主要成果:
- MSC-(CARS-SPA) -GA-SVM模型表现出卓越的性能,在测试组中达到93.00%的准确性.
- 最佳模型使用了8个特征变量,处理时间为24.45秒.
- MSC有效地减少了光谱散射,而CARS-SPA有效地选择了代表性的特征波长.
结论:
- 超光谱成像技术,加上优化的GA-SVM模型,为玉米品种识别提供了有效和准确的方法.
- 开发的方法提供了一个强大的解决方案,用于打击种子改,并确保玉米品种的真实性.
- 这项研究为农业质量控制和种子行业的实际应用奠定了基础.
