基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别-论文.pdf

基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别-论文.pdf

ID:58139437

大小:1.18 MB

页数:5页

时间:2020-04-24

基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别-论文.pdf_第1页
基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别-论文.pdf_第2页
基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别-论文.pdf_第3页
基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别-论文.pdf_第4页
基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别-论文.pdf_第5页
资源描述:

《基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第53卷第15期湖北农业科学Vo1.53No.152014年8月HubeiAgriculturalSciencesAug.,2014基于高光谱成像技术和SVM神经网络的马铃薯外部损伤识别汤哲君,汤全武,张然,史崇升-(1.宁夏大学物理电气信息学院,银川750021;2.中国移动通信集团宁夏有限公司,银川750002)摘要: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

2、、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关键词: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;神经网络模型中图分类号:$532:TN911.73文献标识码:A文章编号:0439—8114(2014)15—3634—05IdentifyingPotatoExternalDam

3、ageBasedonHyperspectralImageSystemandSVMNetworksTANGZhe-jun17TANGQuan-wu~.ZHANGRan1,SHIChong-sheng(1.SchoolofPhysics&ElectricalInformation,NingxiaUniversity,Yinchuan750021,China2.ChinaMobileGroupNingxiaCompanyLimited,Yinchuan750002,China)Abstract:Identifyingpotatoexternaldam

4、ageusinghyperspectralimagesystemwasexplored.Theexperimentofhyperspeetralimagewascarriedoutforexternalfrostbite,mechanicaldamage,hurtandnormal(atotalof162)potato.Principalcomponentanalysiswasperformedtorealizedatadimensionalityreductionbasedontheoriginalexperimentaldata.Theme

5、an,standarddeviation,smoothness,thirdmoment,uniformity,entropyof6depictsextractedfromthedimensionalityreductionfeatureim—agewereusedtocompositethesub—featurevector.Theeigenvectorwasinputseparatelytobayesianclassifier,theBPneuralnetworkandSVMneuralnetworkmodelforidentificatio

6、n.Theresultsshowedthatbayesianclassifiermodelseriouslymis-judgedfrostbiteandmechanicaldamagepotatoes.TherecognitionrateofBPneuralnetworkmodelwaslowformechanicaldamagetypeofpotato.TheSVMneuralnetworkmodelobviouslyimprovedrecognitionrateamongthefirsttwomodelsandwasthemostsuita

7、blemodelforidentifyingpotatoexternaldamage.Keywords:hyperspectralimagesystem;potatoexternaldamage;principalcomponentanalysis;bayesianclassifiers;neuralnet—workmode1无损检测领域的常用技术是近红外光谱技先进技术.以空间识别的方法获取目标的光谱信术⋯,可以检测农产品的内外部品质,但近红外光谱息,包含两维的空间信息和一维的光谱信息,具有技术只提供对农产品一个小区域的检测.由于马铃连续多波段

8、、光谱分辨率高(通常精度可达2~3nm)薯等农产品品质在空间上存在差异.所以该方法对等特点,是多信息融合检测果品综合品质的首选技马铃薯外部损伤检测还存

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。