半透射高光谱结合流形学习算法同时识别马铃薯内外部缺陷多项指标

• 作者: 孔德国 库静 徐梦玲 徐森淼 李小昱 武振中 金瑞 黄涛
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 高光谱成像 流形学习 纠错输出编码 最小二乘支持向量机 内外部缺陷 马铃薯
• 年，卷（期）: 2015,（4）
• 页码范围: 992-996
• 页数: 5页
• 分类号: O657.3
• 字数: 3580字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2015)04-0992-05

摘要

针对马铃薯内外部缺陷多项指标难以同时识别的问题，提出了一种半透射高光谱成像技术采用流形学习降维算法与最小二乘支持向量机（LSSVM ）相结合的方法，该方法可同时识别马铃薯内外部缺陷的多项指标。试验以315个马铃薯样本为研究对象，分别采集合格、外部缺陷（发芽和绿皮）和内部缺陷（空心）马铃薯样本的半透射高光谱图像，同时为了符合生产实际，将外部缺陷马铃薯的缺陷部位以正对、侧对和背对采集探头的随机放置方式进行高光谱图像采集。提取马铃薯样本高光谱图像的平均光谱（390～1040 nm ）进行光谱预处理，然后分别采用有监督局部线性嵌入（SLLE）、局部线性嵌入（LLE）和等距映射（Isomap）三种流形学习算法对预处理光谱进行降维，并分别建立基于纠错输出编码的最小二乘支持向量机（ECOC‐LSS‐VM ）多分类模型。通过分析和比较建模结果，确定SLLE为最优降维算法，SLLE‐LSSVM 为最优马铃薯内外部缺陷识别模型，该方法对测试集合格、发芽、绿皮和空心马铃薯样本的识别率分别达到96.83％，86.96％，86.96％和95％，混合识别率达到93.02％。试验结果表明：基于半透射高光谱成像技术结合SLLE‐LSSVM的定性分析方法能够同时识别马铃薯内外部缺陷的多项指标，为马铃薯内外部缺陷的快速在线无损检测提供了技术参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李小昱	华中农业大学工学院	88	1907	26.0	39.0
2	孔德国	华中农业大学工学院	32	53	4.0	5.0
4	黄涛	华中农业大学工学院	36	517	14.0	22.0
5	徐森淼	华中农业大学工学院	9	182	8.0	9.0
6	金瑞	华中农业大学工学院	6	100	6.0	6.0
7	库静	华中农业大学工学院	7	103	6.0	7.0
8	徐梦玲	华中农业大学工学院	5	87	4.0	5.0
9	武振中	华中农业大学工学院	4	99	4.0	4.0