可见/近红外光谱结合GWO-SVM对千禧番茄的分类鉴别

作者：张伏; 王新月; 崔夏华; 曹炜桦; 张晓东^*; 张亚坤

来源：光谱学与光谱分析, 2022, 42(10): 3291-3297.

• 可见-近红外光谱
• 千禧番茄
• 分类
• 灰狼优化算法
• 支持向量机

千禧番茄营养丰富且酸甜可口，不同千禧番茄品种的风味和营养价值均有明显差异，尤其是番茄红素、柠檬酸、维生素C和氨基酸含量的差异较大。传统人工分类方式效率低、主观性强、误检率高等问题亟待解决。为筛选综合营养价值高且风味佳的千禧番茄品种，实现千禧番茄快速准确分类，提出了基于千禧番茄光谱特征的分类模型构建及GWO优化SVM算法研究，以期解决千禧番茄自动化分类问题。以四个品种千禧番茄作为研究对象，试验样本240个，将其按2∶1比例划分为训练集160个和测试集80个样本，利用可见-近红外光谱采集系统获取350～1 000 nm范围内的千禧番茄反射强度，经光谱校正得样本反射率；为增强信噪比，截取481.15～800.03 nm范围内的光谱波段作为有效波段。由于数据采集过程受无关信息干扰影响建模效果，故将平滑点数设置为3进行Savitzky-Golay(SG)平滑预处理。预处理后采用连续投影算法(SPA)提取特征波长变量，优选得到11个特征波长反射率作为输入矩阵X,预设样本变量1, 2, 3和4作为输出矩阵Y,利用支持向量机(SVM)建立SPA-SVM千禧番茄定性分类模型，训练集和测试集平均分类准确率分别为59.38%和48.75%;在此基础上，引入灰狼优化算法(GWO)对训练集160个样本训练，寻求SVM最优惩罚系数(c)和核函数参数(g),根据模型训练结果对测试集80个样本预测，建立SPA-GWO-SVM千禧番茄分类模型，训练集和测试集平均分类准确率分别为100%和81.25%。研究结果表明：经灰狼算法优化后的支持向量机模型性能明显提高，其中训练集和测试集平均分类准确率分别提高了40.62%和32.50%,灰狼优化算法可用于提高支持向量机的分类性能，实现对千禧番茄品种的分类。本研究为千禧番茄及其他果蔬快速准确分类提供了新的思路和方法。

• 单位
  河南科技大学; 江苏大学