湖北农业科学
湖北農業科學
호북농업과학
2014年
15期
3634-3638
,共5页
汤哲君%汤全武%张然%史崇升
湯哲君%湯全武%張然%史崇升
탕철군%탕전무%장연%사숭승
高光谱成像技术%马铃薯外部损伤%主成分分析%贝叶斯分类器%神经网络模型
高光譜成像技術%馬鈴藷外部損傷%主成分分析%貝葉斯分類器%神經網絡模型
고광보성상기술%마령서외부손상%주성분분석%패협사분류기%신경망락모형
hyperspectral image system%potato external damage%principal component analysis%bayesian classifiers%neural network model
探索利用高光谱成像技术识别马铃薯外部损伤的方法.对外部冻伤、机械损伤、摔伤和正常4类共162个马铃薯样本进行高光谱成像试验,对试验得到的原始数据进行主成分分析以实现数据降维,从降维后的特征图像中提取均值、标准差、平滑度、三阶矩、一致性、熵6个描绘子组成特征向量,把特征向量分别输入贝叶斯分类器、BP神经网络和SVM神经网络3个模型进行识别,结果贝叶斯分类器模型对冻伤和机械损伤两类马铃薯相互误判严重,BP神经网络模型对机械损伤类马铃薯识别率低,而SVM神经网络模型较前两个模型的识别率有明显提高,是最为适合的马铃薯外部损伤识别模型.
探索利用高光譜成像技術識彆馬鈴藷外部損傷的方法.對外部凍傷、機械損傷、摔傷和正常4類共162箇馬鈴藷樣本進行高光譜成像試驗,對試驗得到的原始數據進行主成分分析以實現數據降維,從降維後的特徵圖像中提取均值、標準差、平滑度、三階矩、一緻性、熵6箇描繪子組成特徵嚮量,把特徵嚮量分彆輸入貝葉斯分類器、BP神經網絡和SVM神經網絡3箇模型進行識彆,結果貝葉斯分類器模型對凍傷和機械損傷兩類馬鈴藷相互誤判嚴重,BP神經網絡模型對機械損傷類馬鈴藷識彆率低,而SVM神經網絡模型較前兩箇模型的識彆率有明顯提高,是最為適閤的馬鈴藷外部損傷識彆模型.
탐색이용고광보성상기술식별마령서외부손상적방법.대외부동상、궤계손상、솔상화정상4류공162개마령서양본진행고광보성상시험,대시험득도적원시수거진행주성분분석이실현수거강유,종강유후적특정도상중제취균치、표준차、평활도、삼계구、일치성、적6개묘회자조성특정향량,파특정향량분별수입패협사분류기、BP신경망락화SVM신경망락3개모형진행식별,결과패협사분류기모형대동상화궤계손상량류마령서상호오판엄중,BP신경망락모형대궤계손상류마령서식별솔저,이SVM신경망락모형교전량개모형적식별솔유명현제고,시최위괄합적마령서외부손상식별모형.
