基于高光谱与在线序列极限学习机确证大米产地方法

作者：王靖会; 曹崴; 冷全阳; 程娇娇; 王艳辉; 沈海鸥; 陈雷; 王朝辉^*

来源：中国农业科技导报, 2020, 22(09): 96-103.

DOI：10.13304/j.nykjdb.2019.0144

• 高光谱图像技术
• 多维尺度分析
• 在线序列极限学习机
• 极限学习机
• 多层感知机

为满足快速无损的大米产地确证需求,采集吉林省梅河口市水稻主产区及松原、大安、辉南等其他水稻产区共990个大米样本的高光谱图像(400～1 000 nm)作为研究对象,利用多元散射校正(MSC)处理方法对光谱进行预处理。采用多层感知机(MLP)、极限学习机(ELM)与在线序列极限学习机(OS-ELM)算法,分别基于全波段高光谱数据以及经多维尺度分析(MDS)方法降维后的数据建立产地确证模型。结果表明,基于全波段高光谱数据的OS-ELM模型分类性能最好,准确率达到98.3%。经MDS处理后,输入的数据变量减少了96.6%,MDS-OS-ELM模型准确率稳定在97.4%。对三种模型的训练时间进行对比分析,OS-ELM训练时间明显优于MLP,在分批次获取数据时训练时间优于ELM。为大米产地确证提供了一种高效、准确、稳定的方法。

• 单位
  吉林农业大学