资源描述：
《基于高光谱技术的不同霉变程度籼稻快速鉴别》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、基于高光谱技术的不同霉变程度籼稻快速鉴别龚中良1郑立章1文韬1,基金项目：国家自然科学基金（31401281）；湖南省自然科学基金（14JJ3115）；湖南省高校科技创新团队支持计划（2014207）；国家级大学生创新创业训练计划项目（201410538014）收稿日期：2016-05-17作者简介：龚中良，男，1965年出生，教授，农产品品质与安全无损检测技术应用基础研究。通讯作者：文韬，男，1983年出生，副教授，农产品品质与安全无损检测技术应用基础研究。李立君1谢洁飞1马强3（中南林业科技大学机电工程学院1，长沙410004）（华南农业大学工程学院南方农业机械与装备关键
2、技术教育部重点实验室2，广州510642）（中南林业科技大学理学院3，长沙410004）摘要为解决快速、无损鉴别籼稻霉变程度问题。该文利用高光谱技术采集正常、轻度霉变、中度霉变和重度霉变共4类籼稻样本的光谱数据，经不同预处理后，通过连续投影算法（SPA）提取特征波长，采用多元线性回归判别分析（MLR-DA）建立籼稻霉变程度鉴别模型。同时，通过竞争性自适应重加权算法（CARS）筛选特征变量，采用偏最小二乘法回归判别分析（PLS-DA）建立鉴别模型。研究结果表明，SG-SPA-MLR-DA和RAW-CARS-PLS-DA模型的验证集相关系数RP均大于0.950。其中，RAW-CA
3、RS-PLS-DA模型的预测效果最优，其验证集相关系数RP为0.969，均方根误差RMSEP为0.269，对未知籼稻样本的总体分类准确率为93.33%。该模型对不同霉变程度籼稻具有较强的鉴别能力，故该方法可为快速、无损鉴别籼稻霉变程度提供技术支持。关键词高光谱技术预处理霉变籼稻模型鉴别中图分类号：S123；S511文献标识码：A文章编号：1003-0174（）--IdentificationofthedifferentdegreeofmoldyindicaricebasedonhyperspectraltechnologyGongZhongliang1ZhengLizhang
4、1WenTao1,2LiLijun1XieJiefei1MaQiang3(SchoolofMechanicalandElectricalEngineering,CentralSouthUniversityofForestryandTechnology1,Changsha410004)(KeyLaboratoryofKeyTechnologyforSouthAgriculturalMachineryandEquipment,MinistryofEducation,EngineeringCollege,SouthChinaAgriculturalUniversity2,Guang
5、zhou510642)(SchoolofScience,CentralSouthUniversityofForestryandTechnology3,Changsha410004)AbstractInordertosolvetheproblemoffastandnondestructiveidentificationofmoldy.Thespectraldataoffourkindsofmoldyindicaricewascollectedbyusingthehyperspectraltechnology,thesemoldyindicariceincludedthenorm
6、alindicarice,mildlymoldyindicarice,moderatelymoldyindicariceandseriouslymoldyindicarice.Afterpreprocessingwithfivemethods,thesuccessiveprojectionsalgorithm(SPA)wasproposedtoextractthecharacteristicwavelength,then,theidentificationmodelsofdifferentdegreeofmoldyindicaricewereestablishedbyusin
7、gthemultivariatelinearregression-discriminateanalysis(MLR-DA).Meanwhile,thecompetitiveadaptivereweightedsampling(CARS)wasusedtoobtaincharacteristicvariables,theidentificationmodelswereestablishedbyusingpartialleastsquaresregression-discriminateanalysis(P
