|本期目录/Table of Contents|

[1]赵刘,齐海军,金秀,等.面向大米分类的高光谱特征波长提取方法[J].江苏农业科学,2018,46(17):235-238.
　Zhao Liu,et al.Extraction method of hyperspectral characteristic wavelength for rice classification[J].Jiangsu Agricultural Sciences,2018,46(17):235-238.
点击复制

面向大米分类的高光谱特征波长提取方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第46卷
期数:
2018年第17期
页码:
235-238
栏目:
农业工程与信息技术
出版日期:
2018-09-05

文章信息/Info

Title:
Extraction method of hyperspectral characteristic wavelength for rice classification
作者:
赵刘;  齐海军;  金秀;  温淑娴;  李绍稳
安徽农业大学信息与计算机学院，安徽合肥 230036
Author(s):
Zhao Liu; et al
关键词:
大米; 高光谱技术; 支持向量机; 种类鉴别; 特征波长
Keywords:
-
分类号:
S126
DOI:
-
文献标志码:
A
摘要:
为了利用高光谱对不同类型大米进行快速有效分类，首先采用高光谱成像系统在400~1 000 nm光谱区域获取大米图谱信息，分别利用竞争性自适应重加权算法(competitive adaptive reweighted sampling，CARS)、连续投影算法(successive projection algorithm，SPA)、无变量信息消除法(uninformative variable elimination，UVE)、随机蛙跳(shuffled frog leaping algorithm，SFLA)对大米波谱信息进行特征波长提取，并利用提取的特征波长结合支持向量机(support vector machine，SVM)分类算法对6种大米进行品种鉴别。研究结果表明，利用SPA选取的特征波长建立的分类模型识别率为75.00%；利用UVE选取的特征波长建立的分类模型识别率为77.78%；利用SFLA选取的特征波长建立的分类模型识别率为52.78%；利用CARS选取的特征波长建立的分类模型识别率为83.33%；利用全波段下的光谱信息建立的分类模型识别率达到77.78%。表明利用CARS选取特征波长可以有效替代全波段信息进行大米品种分类。
Abstract:
-

参考文献/References:

［1］刘明博，唐延林，李晓利，等. 大米蛋白质含量近红外光谱检测模型研究［J］. 中国农学通报，2013，29(12)：212-216.
［2］周子立，冯雷. 光谱技术结合数据处理技术测定大米中淀粉和蛋白含量［J］. 软件工程师，2014，17(7)：58-60.
［3］王远宏，常若葵，张伟玉，等. 基于近红外光谱的大米蛋白质含量的研究［J］. 农产品加工·学刊，2009(7)：30-32.
［4］张巧杰，张军. 基于小波变换的大米直链淀粉波长选择方法［J］. 农业机械学报，2010，41(2)：138-142.
［5］Liu M B，Li X L，Liu Y，et al. Detection of crude protein，crude starch，and amylose for rice by hyperspectral reflectance［J］. Spectroscopy Letters，2014，47(2)：101-106.
［6］李瑞，傅隆生. 近红外光谱和可见光分析仪快速检测稻米中直链淀粉含量的方法：CN103575689A［P］. 2014-02-12.
［7］Villareal C P，Nmdela C，Juliano B O. Rice amylose analysis by near-infrared transmittance spectroscopy［J］. Cereal Chemistry，1994，71(3)：292-296.
［8］孙俊，金夏明，毛罕平，等. 高光谱图像技术在掺假大米检测中的应用［J］. 农业工程学报，2014，30(21)：301-307.
［9］马本学，应义斌，饶秀勤. 高光谱成像在水果表面缺陷及污染检测中的研究进展［C］//2007年中国农业工程学会学术年会论文集. 北京：中国农业工程学会，2007.
［10］张璇. 基于高光谱遥感的城市水网水体提取研究和实现［D］. 济南：山东大学，2014.
［11］Zou X B，Zhao J W，Povey M J，et al. Variables selection methods in near-infrared spectroscopy［J］. Analytica Chimica Acta，2010，667(1/2)：14-32.
［12］武中臣. 复杂凝聚态体系中近红外光谱信号的信息提取及定量表示［D］. 天津：南开大学，2006.
［13］樊静. 高光谱图像分割研究［D］. 西安：长安大学，2009.
［14］刘燕德，姜小刚，熊松盛，等. 基于CARS算法的脐橙果园土壤有机质近红外检测［J］. 中国农机化学报，2016，37(2)：240-244.
［15］朱红艳，邵咏妮，蒋璐璐，等. 浸入式可见/近红外光谱技术的藻种鉴别研究［J］. 光谱学与光谱分析，2016，36(1)：75-79.
［16］李倩倩，田旷达，李祖红，等. 无信息变量消除法变量筛选优化烟草中总氮和总糖的定量模型［J］. 分析化学，2013，41(6)：917-921.
［17］陈立旦，赵艳茹. 可见-近红外光谱联合随机蛙跳算法检测生物柴油含水量［J］. 农业工程学报，2014，30(8)：168-173.
［18］冯朝丽，朱启兵，朱晓，等. 基于光谱特征的玉米品种高光谱图像识别［J］. 江南大学学报(自然科学版)，2012，11(2)：149-153.
［19］张华秀，李晓宁，范伟，等. 近红外光谱结合CARS变量筛选方法用于液态奶中蛋白质与脂肪含量的测定［J］. 分析测试学报，2010，29(5)：430-434.
［20］Araújo M C U，Saldanha T C B，Galvo R K H，et al. The successive projections algorithm for variable selection in spectroscopic multicomponent analysis［J］. Chemometrics & Intelligent Laboratory Systems，2001，57(2)：65-73.
［21］王劼，秦琳琳，吴刚. 连续投影算法在小麦高光谱定量分析中的应用［J］. 电子技术，2011，38(9)：13-15.
［22］高洪智，卢启鹏，丁海泉，等. 基于连续投影算法的土壤总氮近红外特征波长的选取［J］. 光谱学与光谱分析，2009，29(11)：2951-2954.
［23］陈铭中. 用近红外光谱分析法快速检测菜籽油中芥酸含量［D］. 镇江：江苏大学，2006.
［24］王小燕，王锡昌，刘源，等. 基于SVM算法的近红外光谱技术在鱼糜水分和蛋白质检测中的应用［J］. 光谱学与光谱分析，2012，32(9)：2418-2421.
［25］姚肖刚，戴连奎，方骏. 基于支持向量机的柴油十六烷值近红外光谱测量方法［J］. 化工自动化及仪表，2004，31(2)：48-51.
［26］Suykens J A，de Brabanter J，Lukas L，et al. Weighted least squares support vector machines：robustness and sparse approximation［J］. Neurocomputing，2002，48(1/2/3/4)：85-105.
［27］成鹏，汪西莉. SVR参数对非线性函数拟合的影响［J］. 计算机工程，2011，37(3)：189-191.
［28］张初，刘飞，孔汶汶，等. 利用近红外高光谱图像技术快速鉴别西瓜种子品种［J］. 农业工程学报，2013，29(20)：270-277.
［29］屠振华，冯霖，孙丽娟，等. 近红外光谱测定蜂蜜中水分含量特征波长选择和分析研究［J］. 仪器仪表学报，2011，32(6)：276-281.

相似文献/References:

[1]陈益能,方逵,朱幸辉,等.基于有机RFID的溯源精确度提高方法的研究[J].江苏农业科学,2016,44(06):426.
　Chen Yineng,et al.Study on improving traceability precision based on organic RFID in rice processing system[J].Jiangsu Agricultural Sciences,2016,44(17):426.
[2]苏珊珊,霍学喜.基于贸易自由化视角分析世界大米出口贸易空间集聚及影响因素[J].江苏农业科学,2016,44(06):558.
　Su Shanshan,et al.Analysis of spatial aggregation feature of worlds rice export trade and its influencing mechanism from trade freedom perspective[J].Jiangsu Agricultural Sciences,2016,44(17):558.
[3]左银虎,曹明.浊点萃取-火焰原子吸收光谱法测定大米中的铅[J].江苏农业科学,2014,42(04):262.
　Zuo Yinhu,et al.Determination of lead in rice by cloud point extraction and flame atomic absorption spectrometry[J].Jiangsu Agricultural Sciences,2014,42(17):262.
[4]林萍,陈永明.利用可见近红外光谱技术快速鉴别大米品种[J].江苏农业科学,2015,43(12):320.
　Lin Ping,et al.Fast discrimination of rice varieties based on visible near-infrared spectroscopy technology[J].Jiangsu Agricultural Sciences,2015,43(17):320.
[5]郎刚华,顾立众,李西腾.大米α-球蛋白的原核表达、抗体制备及检测[J].江苏农业科学,2016,44(11):34.
　Lang Ganghua,et al.Prokaryotic expression，antibody preparation and detection of α-globulin in rice[J].Jiangsu Agricultural Sciences,2016,44(17):34.
[6]徐洁,杨杰,孙静涛,等.基于高光谱技术的哈密瓜表面农药残留判别分析[J].江苏农业科学,2016,44(12):338.
　Xu Jie,et al.Qualitative analysis of pesticide residues on Hami melon based on hyperspectral imaging technology[J].Jiangsu Agricultural Sciences,2016,44(17):338.
[7]李勇,严煌倩,龙玲,等.化学计量学模式识别方法结合近红外光谱用于大米产地溯源分析[J].江苏农业科学,2017,45(21):193.
　Li Yong,et al.Discrimination of geographical origin of rice based on near-infrared spectroscopy coupled with chemometrics pattern recognition techniques[J].Jiangsu Agricultural Sciences,2017,45(17):193.
[8]孙长花,于智勇,王君,等.基于QuEChERS-气相色谱-串联质谱法检测大米中多农药残留[J].江苏农业科学,2017,45(23):191.
　Sun Changhua,et al.Determination of pesticide residues in rice by QuEChERS-gas chromatography-tandem mass spectrometry[J].Jiangsu Agricultural Sciences,2017,45(17):191.
[9]张晗,赵小敏,郭熙,等.基于冠层高光谱信息的水稻生长监测应用研究进展[J].江苏农业科学,2018,46(12):1.
　Zhang Han,et al.Research progress on application of rice growth monitoring based on canopy hyperspectral information[J].Jiangsu Agricultural Sciences,2018,46(17):1.
[10]林萍,蒋善超,陈永明,等.多源异构大米品质等级非线性高光谱信息耦合识别模型研究[J].江苏农业科学,2018,46(20):261.
　Lin Ping,et al.Study on coupling recognition model of nonlinear hyperspectral information of multi-source heterogeneous rice quality grade[J].Jiangsu Agricultural Sciences,2018,46(17):261.

备注/Memo

备注/Memo:
收稿日期：2017-03-21
基金项目：农业部“948”计划延续支持重点项目(编号：2016-X34)。
作者简介：赵刘(1986—)，男，安徽蚌埠人，硕士研究生，主要从事农业物联网技术方向研究。E-mail：liulianjushi@126.com。
通信作者：李绍稳，博士，教授，主要从事数字农业、人工智能与农业方向研究。E-mail：shwli@ahau.edu.cn。
更新日期/Last Update: 2018-09-05