典型文献
基于近红外高光谱成像的单籽粒小麦品种分类研究
文献摘要：
以22个品种的小麦为研究对象,利用近红外高光谱成像系统获取小麦籽粒的高光谱图像数据,采用图像分割技术确定小麦高光谱图像的感兴趣区域(ROI),提取小麦900～1 700 nm的光谱区间共256个波段的光谱数据.利用遗传算法(GA)对光谱数据进行5次优化,分别建立256、114、57、35、26、13维的特征向量矩阵.利用未归一化与归一化后的数据分别建立灰狼优化算法(GWO)和支持向量机(SVM)的分类模型.结果表明:用1 100个训练样本和440个测试样本对模型进行训练和检验分类,准确率分别为87.50％、93.18％;利用近红外高光谱成像技术对单籽粒小麦品种进行分类鉴别是可行的.
文献关键词：
近红外高光谱成像;遗传算法;灰狼优化算法;支持向量机
中图分类号：
作者姓名：
张红涛;张亮;谭联;刘鹏;李忠洋;邴丕彬
作者机构：
华北水利水电大学电力学院,河南郑州450011;郑州市图像识别与智能信息系统重点实验室,河南郑州450011
文献出处：
引用格式：
[1]张红涛;张亮;谭联;刘鹏;李忠洋;邴丕彬-.基于近红外高光谱成像的单籽粒小麦品种分类研究)[J].粮食与油脂,2022(12):59-62
A类：
B类：
近红外高光谱成像,小麦品种,品种分类,分类研究,光谱成像系统,小麦籽粒,高光谱图像,图像数据,图像分割,感兴趣区域,ROI,波段,光谱数据,GA,次优,特征向量,向量矩阵,未归,灰狼优化算法,GWO,分类模型,训练样本,高光谱成像技术,分类鉴别
AB值：
0.244995
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。
