典型文献
玉米籽粒霉变等级高光谱图像检测方法研究
文献摘要：
为了快速、无损检测出储藏玉米籽粒不同霉变状况,提升玉米收储环节质检效率,尝试利用高光谱成像技术结合机器学习算法构建玉米籽粒霉变等级分类模型.采集400～1 000 nm波段范围内玉米籽粒高光谱图像,以测定的真菌孢子数为依据,将籽粒霉变状态划分为健康、轻度霉变、中度霉变和重度霉变4个等级,采用随机蛙跳(RF)算法优选出7个光谱特征变量,针对特征波段图像,利用Tamura算法共提取出21个纹理特征变量,基于颜色矩阵提取出21个颜色特征变量.进一步结合支持向量机(SVM)、极限学习机(ELM)和偏最小二乘回归(PLSR)3种算法分别建立基于光谱、图像和图谱特征融合的玉米籽粒霉变等级分类模型.经分析比较,融合光谱和图像特征并结合ELM算法建立的分类模型用于玉米籽粒霉变等级识别效果最优,训练集和测试集分类准确率(Acc)分别为94.21％和93.86％,并将玉米籽粒霉变等级进行可视化表达.
文献关键词：
玉米霉变籽粒;高光谱成像技术;随机蛙跳;极限学习机
中图分类号：
作者姓名：
杨东;王舒卉;吴建华;姜俊伊;宋凯;石天玉
作者机构：
国家粮食和物资储备局科学研究院粮食储运国家工程研究中心,北京 100037;沈阳理工大学,沈阳 110159
文献出处：
引用格式：
[1]杨东;王舒卉;吴建华;姜俊伊;宋凯;石天玉-.玉米籽粒霉变等级高光谱图像检测方法研究)[J].中国粮油学报,2022(11):46-53
A类：
图谱特征融合,玉米霉变籽粒
B类：
玉米籽粒,高光谱图像,图像检测,无损检测,储藏,收储,质检,高光谱成像技术,技术结合,机器学习算法,等级分类,分类模型,真菌孢子,孢子数,状态划分,随机蛙跳,RF,算法优选,光谱特征,特征变量,特征波段,Tamura,法共,共提取,纹理特征,颜色矩,颜色特征,极限学习机,ELM,偏最小二乘回归,PLSR,和图像,图像特征,训练集,测试集,分类准确率,Acc,可视化表达
AB值：
0.274751
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。
