基于近红外高光谱图像的冬枣损伤早期检测

被引：26

作者：

孙世鹏 ^{[1
]}

彭俊 ^{[1
]}

李瑞 ^{[1
]}

朱兆龙 ^{[1
]}

VzquezArellano MANUEL ^{[2
]}

傅隆生 ^{[1
]}

机构：

[1] 西北农林科技大学机械与电子工程学院

[2] 霍恩海姆大学农业工程研究所

来源：

食品科学 | 2017年 / 38卷 / 02期

基金：

中国博士后科学基金;

关键词：

冬枣; 高光谱成像; 特征波长; 轻微损伤; 检测;

D O I：

暂无

中图分类号：

S665.1 [枣]; TP391.41 [];

学科分类号：

080203 ;

摘要：

为了对冬枣损伤进行早期检测,采用近红外高光谱图像技术对损伤区域成像。针对高光谱图像波长多的特点,分别采用连续投影算法、相关特征选择算法、一致性(Consistency)算法选择冬枣损伤的特征波长,对提取的特征波长分别应用k-邻近、朴素贝叶斯(naive bayes,NB)、支持向量机(support vector machine,SVM)3种分类方法进行损伤区域识别。结果表明:所有方法选择的一致特征波长在1 353 nm和1 691 nm附近。Consistency算法选择的特征波长在SVM分类器下分类识别正确率达到95.16%,一致特征波长在NB分类器下分类识别正确率达到84.26%,验证了一致波长的有效性,为多光谱成像技术实现在线检测冬枣损伤提供参考依据。

引用

页码：301 / 305

页数：5

共 16 条

[1] 高光谱图像对白萝卜糠心的无损检测
胡鹏程
孙晔
吴海伦
顾欣哲
屠康
郑剑
潘磊庆
[J]. 食品科学, 2015, 36 (12) : 171 - 176
[2] 壶瓶枣自然损伤的高光谱成像检测
薛建新
张淑娟
张晶晶
[J]. 农业机械学报, 2015, 46 (07) : 220 - 226
[3] 基于高光谱成像分析的冬枣微观损伤识别
魏新华
吴姝
范晓冬
黄嘉宝
[J]. 农业机械学报, 2015, 46 (03) : 242 - 246
[4] 基于高光谱成像技术和MNF检测苹果的轻微损伤[J]. 张保华,黄文倩,李江波,赵春江,刘成良,黄丹枫,贡亮.光谱学与光谱分析. 2014(05)
[5] 利用近红外高光谱图像技术快速鉴别西瓜种子品种
张初
刘飞
孔汶汶
章海亮
何勇
[J]. 农业工程学报, 2013, 29 (20) : 270 - 277
[6] 红枣表面损伤的特征光谱提取
辛世华
何建国
王松磊
贺晓光
[J]. 食品科学 , 2013, (08) : 145 - 148
[7] Savitzky-Golay平滑滤波器的最小二乘拟合原理综述
蔡天净
唐瀚
[J]. 数字通信, 2011, 38 (01) : 63 - 68+82
[8] KNN算法综述
闭小梅
闭瑞华
[J]. 科技创新导报, 2009, (14) : 31 - 31
[9] Early detection of mechanical damage in mango using NIR hyperspectral images and machine learning[J] . Nayeli Vélez Rivera,Juan Gómez-Sanchis,Jorge Chanona-Pérez,Juan José Carrasco,Mónica Millán-Giraldo,Delia Lorente,Sergio Cubero,José Blasco.Biosystems Engineering . 2014
[10] Distinguishing overripe berries of Japanese blue honeysuckle using hyperspectral imaging analysis
Fu, Longsheng
Okamoto, Hiroshi
Shibata, Youichi
Kataoka, Takashi
Cui, Yongjie
Li, Rui
[J]. Engineering in Agriculture, Environment and Food, 2014, 7 (01): : 22 - 27

← 1 2 →