典型文献
基于高光谱和化学计量学方法的除草剂残留分类识别研究
文献摘要：
本研究基于高光谱技术和化学计量学方法,对薄荷叶上的异丙甲草胺、烟嘧(莠去津、敌草胺和砜嘧(精喹4类除草剂残留进行种类判别.高光谱成像光谱范围为450nm～950nm的可见-近红外区域.为降低噪音对光谱数据的干扰、提升判别精度,采用SG平滑和多元散射校正对高光谱曲线进行处理.利用主成分分析算法(PCA)对原始数据进行降维后,建立以径向基函数(RBF)函数为核函数的支持向量机(SVM)模型.分别利用网格搜索(GS)、粒子群算法(PSO)及灰狼算法(GWO)对SVM模型参数进行寻优,对比不同模型的判别正确率,并利用精确度、召回率、约登指数、ROC和AUC对模型判别和泛化能力进行评估.实验结果表明,SG-PSO-SVM、SG-PCA-GWO-SVM和MSC-GS-SVM对测试集的判别正确率达到了100％,其中SG-PCA-GWO-SVM计算时间最短,而MSC-GS-SVM具有最优的泛化能力,从而实现了对薄荷叶片上常见除草剂的快速无损识别.
文献关键词：
除草剂残留;高光谱图像;化学计量法;判别分析;无损检验
中图分类号：
作者姓名：
赵昱萱;黄威;董林沛;任昕昕;李开开
作者机构：
中国人民公安大学,刑事科学技术国家级实验教学中心,侦查学院,北京 100038;公安部物证鉴定中心,北京 100038
文献出处：
引用格式：
[1]赵昱萱;黄威;董林沛;任昕昕;李开开-.基于高光谱和化学计量学方法的除草剂残留分类识别研究)[J].化学研究与应用,2022(01):91-102
A类：
950nm
B类：
化学计量学方法,除草剂残留,分类识别,高光谱技术,薄荷叶,异丙甲草胺,莠去津,类判,高光谱成像,成像光谱,450nm,近红外,外区域,低噪音,光谱数据,SG,多元散射校正,光谱曲线,原始数据,径向基函数,RBF,核函数,网格搜索,GS,粒子群算法,PSO,灰狼算法,GWO,召回率,约登指数,泛化能力,MSC,测试集,计算时间,时间最短,快速无损,高光谱图像,化学计量法,判别分析,无损检验
AB值：
0.317574
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
