典型文献
基于高光谱成像技术的西瓜种子活力等级分类方法研究
文献摘要：
为了探讨水果种子不同活力等级的判别方法,以西瓜种子为研究对象,建立基于偏最小二乘判别(PLS-DA)、极限学习机(ELM)的高光谱图谱信息种子活力判别模型.首先,提取光谱信息,建立西瓜种子活力等级的光谱定性分析模型,结果表明,特征变量筛选方法UVE(无信息变量消除)结合建模方法PLS-DA得到的效果较好,分类正确率为100.00％,相关系数为0.86.其次,选取图像PC1权重系数,提取波长点为685、790、826、836、855 nm的特征图像,计算平均灰度值,建立基于图像特征的种子活力等级定性分析模型.结果表明,PLS-DA的误判率为6.67％,相关系数为0.85,优于ELM检测模型的误判率(10.00％)和相关系数(0.83).高光谱成像技术的光谱和图像信息都能较好区分种子的活力等级,但基于光谱信息建立的判别模型优于基于图像特征建立的判别模型.
文献关键词：
西瓜种子;高光谱成像;贮存期;特征图像;光谱
中图分类号：
作者姓名：
杨波;段明磊;杨童
作者机构：
重庆对外经贸学院,重庆401520;南方农业机械与装备关键技术教育部重点实验室,广东广州510642;华南农业大学工程学院,广东广州510642
文献出处：
引用格式：
[1]杨波;段明磊;杨童-.基于高光谱成像技术的西瓜种子活力等级分类方法研究)[J].河南农业科学,2022(09):151-158
A类：
B类：
高光谱成像技术,西瓜种子,种子活力,等级分类,分类方法,水果,判别方法,偏最小二乘判别,PLS,DA,极限学习机,ELM,光谱图,判别模型,光谱信息,特征变量,变量筛选,筛选方法,UVE,无信息变量消除,PC1,权重系数,特征图像,灰度值,图像特征,误判率,检测模型,和图像,图像信息,分种,贮存期
AB值：
0.289669
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。
