基于ELM和可见／近红外光谱的鲜枣动态分类检测

• 作者: 何勇 张淑娟 杨一
• 来源期刊: 光谱学与光谱分析
• 学科: 农学
• 关键词: 鲜枣 分类检测 连续投影算法 极限学习机
• 年，卷（期）: 2015,（7）
• 页码范围: 1870-1874
• 页数: 5页
• 分类号: S123|S665
• 字数: 2866字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2015)07-1870-05

摘要

枣营养丰富且品种繁多，不同品种的内外部品质与市场价格均存在差异，为了实现鲜枣品种分类的快速无损检测，以产自同一地区的板枣、鸡心枣和相枣为研究对象，动态采集光谱数据。采用移动平滑（moving smoothing）与多元散射校正（multiplicative scatter correction ，MSC）相结合的方法预处理光谱数据，对预处理后的光谱数据采用连续投影算法（successive projections algorithm ，SPA）提取出11个特征波长分别为：980，1860，1341，1386，2096，1831，1910，1628，441，768，601 nm ，其重要程度依次递减。以所提取的特征波长作为输入变量，建立极限学习机（extreme learning machine ，ELM ）分类模型，进行预测判别，并与偏最小二乘判别分析（partial least squares discriminant analysis ，PLS‐DA ）和最小二乘支持向量机（least squares support vector machines ，LS‐SVM ）方法进行比较。结果表明：SPA‐ELM方法所建校正模型的决定系数 R2＝0.97238，校正均方根误差RMESC＝0.018724，SPA‐ELM方法与SPA‐PLS‐DA和SPA‐LS‐SVM 方法判别准确率均为100％，说明ELM是一种有效的分类判别方法。该研究为鲜枣品种分类检测提供了新的理论基础。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何勇	浙江大学生物系统工程和食品科学学院	511	9054	45.0	65.0
2	张淑娟	山西农业大学工学院	122	728	14.0	22.0
3	杨一	山西农业大学工学院	6	27	3.0	5.0