基于高光谱成像技术的发芽小麦分类研究

作者：张玉荣; 卢冠镪; 吴琼; 张咚咚; 潘运宇; 周显青^*

来源：河南工业大学学报(自然科学版), 2022, 43(05): 108-136.

DOI：10.16433/j.1673-2383.2022.05.015

• 发芽小麦
• 可视化
• 高光谱

为准确判断小麦发芽程度，更好地服务于小麦的收储及加工利用，通过高光谱的光谱信息对不同发芽程度小麦进行分类识别。采集萌动小麦(鼓泡、皮裂、露白)和发芽小麦(芽长为小麦籽粒长度的一半，芽长与小麦籽粒长度相同)的高光谱数据，提取每粒小麦的平均光谱，再由Savitzky-Golay卷积平滑法、卷积求导法(1ST、2ND)、标准正态变量变换(SNV)对光谱预处理后建立最小二乘支持向量机(LS-SVM)分类模型，比较发现SNV的识别准确率最高达91.70%。利用粒子群算法(PSO)对LS-SVM模型中正则化参数(gam)以及核函数参数(sig2)寻优，优化后模型的准确率为93.14%,提升了1.57%。为进一步减少运算量、提升准确率，利用竞争性自适应重加权算法(CARS)选取了49个特征波长，最优分类模型PSO-SNV-CARS-LS-SVM的平均准确率为94.13%。最优模型体系可以快速无损检测不同发芽时期的小麦，最终达到分类结果可视化。

• 单位
  河南工业大学