基于高光谱图像技术的小麦种子分类识别研究

被引：15

作者：

张航 ^{[1
]}

姚传安 ^{[1
]}

蒋梦梦 ^{[2
]}

姬豫航 ^{[1
]}

李华杰 ^{[1
]}

机构：

[1] 河南农业大学机电工程学院

[2] 西安电子科技大学数学与统计学院

来源：

麦类作物学报 | 2019年 / 39卷 / 01期

关键词：

高光谱图像; 小麦种子; 多籽粒分类; 主成分分析; 支持向量机;

D O I：

暂无

中图分类号：

S512.1 [小麦]; TP391.41 [];

学科分类号：

0901 ; 080203 ;

摘要：

为了探讨高光谱图像技术在小麦种子分类识别中应用的可行性,采集了河南地区主要种植的7个小麦品种的种子高光谱图像及900～1 700nm范围的光谱信息,建立了主成分分析法(PCA)-支持向量机(SVM)分类模型。运用PCA对光谱数据进行降维处理,结合SVM模型比较了不同实验条件下小麦种子分类准确率以及在最佳条件下3个、4个和6个品种种子的分类准确率。结果显示,3个品种间种子分类准确率除个别外平均达到95%以上,4个品种间种子分类准确率在80%左右,6个品种间种子分类准确率在66%左右。这说明充分利用光谱信息可以对3个或4个小麦品种进行多籽粒分类。

引用

页码：96 / 104

页数：9

共 17 条

[1]

Computer image analysis of seed shape and seed color for flax cultivar description.[J].Wiesnerová Dana;Wiesner Ivo.Computers and Electronics in Agriculture.2007, 2

[2]

中国北方专用小麦.[M].孙宝启等主编;.气象出版社.2004,

[3]

优质小麦产业化.[M].宋家永等主编;.中国农业科学技术出版社.2002,

[4] 小麦品种周麦22号的分子遗传基础及其特异引物筛选 [J].