基于高光谱成像技术和机器学习,快速识别摩克萨羊毛储存期
Huiqiang Hu1, Yunlong Mei1, Yunpeng Wei1
1School of Electrical and Information Engineering, Zhengzhou University, Zhengzhou, 450001, China.
Heliyon
|September 26, 2024
概括
本研究引入了一种非破坏性方法,使用高光谱成像和机器学习来确定莫克萨羊毛 (MW) 的储存期. 这种方法准确地识别了MW质量,这对于传统中医药的有效性至关重要.
科学领域:
- 传统中国医药 传统中国医药
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 摩克萨羊毛 (MW) 的质量随着储存而变化,影响治疗疗效.
- 传统的MW质量检测具有破坏性和局限性.
- 超光谱数据的高维度要求进行缩小以进行高效的分析.
研究的目的:
- 开发一种非破坏性的方法来确定莫克萨羊毛的储存期.
- 应用超光谱成像和机器学习来准确评估MW的质量.
- 为了克服诸如维度和冗余等超频谱数据挑战.
主要方法:
- 采用超光谱成像技术进行数据采集.
- 使用的缩小维度的技术:主要组件分析 (PCA),竞争性适应性重权取样 (CARS) 和连续投影算法 (SPA).
- 应用支持矢量机 (SVM) 算法用于分类.
主要成果:
- 在VNIR范围内,CARS+SVM为南阳MW实现了99.8%的准确性.
- 在VNIR范围内,SPA+SVM在Qichun MW实现了99.78%的准确性.
- 这两种方法在SWIR范围也表现出高精度,验证了它们的有效性.
结论:
- 超光谱成像与机器学习相结合,提供了一种基于存储年数检测MW质量的快速而准确的方法.
- 这项研究为传统中医药的质量控制提供了一种新的方法.
- 这项研究强调了通过现代技术推进传统医学实践的潜力.
