基于高光谱成像和随机森林方法对大豆质量的分类和识别
Man Chen1,2, Zhichang Chang1, Chengqian Jin1
1Nanjing Institute of Agricultural Mechanization, Ministry of Agriculture and Rural Affairs, Nanjing 210014, China.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
本研究使用高光谱成像来准确分类大豆成分,在识别破碎和杂质水平方面达到100%的准确性. 这项技术支持改善大豆收获和储存质量评估.
科学领域:
- 农业工程 农业工程
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 准确分类大豆成分对于在收获和储存期间的质量评估至关重要.
- 超光谱成像为分析农产品提供了一种非破坏性的方法.
研究的目的:
- 开发一种快速而准确的方法,使用高光谱成像对大豆成分进行分类.
- 为了评估机器收获大豆中的破碎和杂质水平.
主要方法:
- 使用Pika L光谱仪获得高光谱图像.
- 应用八种光谱预处理技术 (BC,MA,SGD等) ) 的情况.
- 通过SPA和CARS算法进行特征波长选择.
- 使用PSO和DE算法开发和优化随机森林 (RF) 模型.
主要成果:
- 使用SPA (8) 和CARS (10) 确定最佳特征波长.
- 射频模型通过SPA-BC预处理和DE参数优化实现了1.0000的预测准确度.
- 证明了用于检测大豆成分的高光谱成像的可行性.
结论:
- 超光谱成像为快速准确的大豆成分分类提供了可行的解决方案.
- 开发的方法为大豆收获和储存的质量控制提供了技术支持.
- 这项研究可以作为未来机器收获大豆的自动检测系统的参考.
