圖1 甘薯樣本圖

圖2 采集流程

圖3 甘薯的光譜曲線(原始光譜、SNV預(yù)處理后的光譜與平均光譜)
分別采用MC-UVE,、RF和SPA方法提取特征波長,,如圖4所示?;谶@三種方法提取出的特征波長分別建立PLS-DA和LDA模型,,均取得了較好的分類結(jié)果。其中RF-PLS-DA模型表現(xiàn)最好,,總的判別準確率高達92.86%,,健康、凍死,、病害三類分別的判別準確率為97.14%,,94.29%和87.14%。LDA分類模型的預(yù)測結(jié)果,,以三維散點圖的形式呈現(xiàn)在圖5中,。
從圖5可以看出在MCUVE-LDA模型中,凍傷地瓜和病害地瓜樣本還有一定的重疊,,說明該模型對于區(qū)分凍傷和病害這兩類樣本效果并不是特別好,。而另兩種模型的效果較好,其中SPA-LDA模型效果好,,總的識別率高達*,。
圖4 提取特征波長

圖5 LDA模型的三維散點圖(MCUVE-LDA模型,RF-LDA模型和SPA-LDA模型)
結(jié)果表明:利用高光譜成像技術(shù)可以鑒別凍傷甘薯和病害甘薯,,為甘薯的存儲與加工提供了理論依據(jù),,為提升甘薯產(chǎn)業(yè)的經(jīng)濟效益提供幫助。
第一作者簡介:
邵園園,工學(xué)博士,,山東農(nóng)業(yè)大學(xué)副教授,,碩士生導(dǎo)師。
主要研究方向:1,、農(nóng)業(yè)機械設(shè)計,,包括播種育苗移栽機械、免耕播種機械,、秸稈后處理機械及蘋果,、花生、甘薯收獲機械等,。
2,、機構(gòu)運動與動力學(xué)優(yōu)化仿真;精準農(nóng)業(yè),、農(nóng)產(chǎn)品檢測,、圖像識別、高光譜圖像處理等,。
參考文獻:Shao Y , Liu Y, Xuan G , et al. Detection and analysis of sweet potato defects based on hyperspectral imaging technology [J].Infrared Physics and Technology, 127(2022): 104403.
立即詢價
您提交后,專屬客服將第一時間為您服務(wù)