光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2010年
11期
3018-3021
,共4页
杨昊谕%于海业%刘煦%张蕾%隋媛媛
楊昊諭%于海業%劉煦%張蕾%隋媛媛
양호유%우해업%류후%장뢰%수원원
荧光光谱%主成分分析%支持向量机%黄瓜病虫害
熒光光譜%主成分分析%支持嚮量機%黃瓜病蟲害
형광광보%주성분분석%지지향량궤%황과병충해
为了对植物病虫害进行快速准确检测,采用荧光光谱技术并结合支持向量机分析方法建立了黄瓜病虫害诊断模型.通过Savitky-Golay平滑法(SG),SG平滑法+快速傅里叶变换(FFT)和SG平滑法+-阶导数变换(FDT)三种方法对原始光谱进行降噪处理,并利用主成分分析法(PCA)对降噪后的光谱进行降维,根据累积贡献率选取7个主成分进行分析.将样本数据随机分为训练集和预测集,利用四种核函数条件下的支持向量机算法建立了预测模型,并进行预测.以训练集交叉验证的分类准确率最大值为指标,对四种核函数模型进行参数优化,并对比其分类性能,结果表明,经SG+FDT+PCA预处理后,具有多项式核函数的支持向量机对黄瓜病虫害的鉴别准确率达到98.3%,具有很好的分类和鉴别效果.
為瞭對植物病蟲害進行快速準確檢測,採用熒光光譜技術併結閤支持嚮量機分析方法建立瞭黃瓜病蟲害診斷模型.通過Savitky-Golay平滑法(SG),SG平滑法+快速傅裏葉變換(FFT)和SG平滑法+-階導數變換(FDT)三種方法對原始光譜進行降譟處理,併利用主成分分析法(PCA)對降譟後的光譜進行降維,根據纍積貢獻率選取7箇主成分進行分析.將樣本數據隨機分為訓練集和預測集,利用四種覈函數條件下的支持嚮量機算法建立瞭預測模型,併進行預測.以訓練集交扠驗證的分類準確率最大值為指標,對四種覈函數模型進行參數優化,併對比其分類性能,結果錶明,經SG+FDT+PCA預處理後,具有多項式覈函數的支持嚮量機對黃瓜病蟲害的鑒彆準確率達到98.3%,具有很好的分類和鑒彆效果.
위료대식물병충해진행쾌속준학검측,채용형광광보기술병결합지지향량궤분석방법건립료황과병충해진단모형.통과Savitky-Golay평활법(SG),SG평활법+쾌속부리협변환(FFT)화SG평활법+-계도수변환(FDT)삼충방법대원시광보진행강조처리,병이용주성분분석법(PCA)대강조후적광보진행강유,근거루적공헌솔선취7개주성분진행분석.장양본수거수궤분위훈련집화예측집,이용사충핵함수조건하적지지향량궤산법건립료예측모형,병진행예측.이훈련집교차험증적분류준학솔최대치위지표,대사충핵함수모형진행삼수우화,병대비기분류성능,결과표명,경SG+FDT+PCA예처리후,구유다항식핵함수적지지향량궤대황과병충해적감별준학솔체도98.3%,구유흔호적분류화감별효과.
