基于支持向量机的木材树种识别模型

作者：骆立; 徐兆军; 王晓羽; 周康; 那斌^*

来源：林业工程学报, 2022, 7(04): 122-127.

DOI：10.13360/j.issn.2096-1359.202111006

• 支持向量机
• 近红外光谱
• 树种识别
• 主成分分析
• 线性判别分析

目前林业信息化正由数字林业迈向智慧林业，高效、无损的木材树种识别技术有利于推动我国林业信息化、智能化发展的进程。为了满足市场对木材高效精准识别的需求，将木材树种识别问题转化为多分类问题，开发了一种基于支持向量机结合线性降维算法的木材树种识别模型。具体而言，首先采用无监督的主成分分析和有监督的线性判别分析，分别对木材近红外高维光谱数据进行降维处理；其次将降维后的特征输入支持向量机模型中，输出各个树种类别上的概率分布。借助网格搜索法并结合5折交叉验证法选取最优核函数和核函数参数，探讨了支持向量机不同核函数对于木材树种分类效果的影响。为了评价模型的识别能力，选取准确率、混淆矩阵和ROC曲线评价提出的模型，并进一步探讨了本木材树种识别方法的可行性。实验结果表明，利用近红外光谱特征的支持向量机模型能准确且高效地识别木材树种。其中，线性判别分析结合支持向量机的模型分类准确率可达97.54%,模型运行速率为6.53 s。

• 单位
  南京林业大学