基于RELIEF算法和极限学习机的苹果轻微损伤高光谱检测方法

• 作者: 张萌 李光辉
• 来源期刊: 浙江大学学报（农业与生命科学版）
• 学科: 工学
• 关键词: 苹果损伤 高光谱成像 无损检测 极限学习机 独立成分分析
• 年，卷（期）: 2019,（1）
• 页码范围: 126-134
• 页数: 9页
• 分类号: TP391.4
• 字数: 6243字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9209.2017.09.043

摘要

采用高光谱成像技术(400～1000 nm)对苹果轻微损伤进行快速识别及无损检测.采集苹果正常及不同损伤时间的高光谱图像,选择图像中合适的区域作为感兴趣区域并提取平均光谱反射率及图像熵信息,将采集的样本按2:1的比例分为训练集和测试集.使用RELIEF算法基于光谱平均反射率及图像熵信息提取了8个特征波段(17、30、35、51、61、66、94和120),分别基于全波段和特征波段进行极限学习机(extreme learning machine,ELM)建模分析,并与支持向量机(support vector machine,SVM)和K-均值聚类算法进行比较.结果表明,基于全波段的ELM模型最终测试集识别率为94.44％,基于特征波段的RELIEF-极限学习机(Re-ELM)模型识别率为96.67％,基于特征波段的Re-SVM及Re-K均值模型的最终测试集识别率分别为92.22％和91.67％,证实了Re-ELM是一种更为有效的苹果损伤分类判别方法.在此基础上,基于图像处理技术和特征波段提出了一种苹果轻微损伤高光谱检测算法,使用该算法针对特征波段进行独立成分分析(independent component analysis,ICA)变换,选取ICA第3成分图像进行自适应阈值分割,从而获得损伤图像.对全部高光谱图像进行检测表明,该算法的最终识别率超过94％,说明该算法能够较为有效地识别苹果损伤区域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李光辉	江南大学物联网工程学院	13	72	5.0	8.0
5	张萌	江南大学物联网工程学院	8	51	3.0	7.0