柑橘黄龙病近红外光谱检测模型

论文摘要

针对柑橘黄龙病无损检测模型的鲁棒性不足和检测率不高问题,提出一种Gabor滤波结合核极限学习机(GKELM)的近红外光谱检测模型。利用Gabor滤波加强有效特征,并结合核极限学习机完成分类任务。使用傅里叶变换光谱仪采集2个柑橘品种共1011条近红外光谱,分析了单一叶片上采集的多个光谱点的4种处理方法和不同特征维度对分类结果的影响。与极限学习机、核极限学习机、偏最小二乘判别分析和支持向量机对比,GKELM的正确率可达97.12%,精度在97.06%以上,F1得分在96.62%以上。

论文目录

• 1 方法
•   1.1 Gabor滤波
•   1.2 核极限学习机
•   1.3 Gabor-KELM模型
• 2 实验设置
•   2.1 数据采集
•   2.2 光谱分析
•   2.3 模型构造
• 3 结果与讨论
• 4 结束语

文章来源

类型: 期刊论文

作者: 贺胜晖,李灵巧,刘彤,刘振丙,杨辉华

关键词: 近红外光谱,柑橘黄龙病,核极限学习机,滤波

来源: 桂林电子科技大学学报 2019年04期

年度: 2019

分类: 信息科技,基础科学,农业科技

专业: 物理学,植物保护,园艺

单位: 桂林电子科技大学计算机与信息安全学院,北京邮电大学自动化学院

基金: 国家自然科学基金(21365008,61562013)

分类号: S436.66;O433.5

DOI: 10.16725/j.cnki.cn45-1351/tn.2019.04.009

页码: 307-311

总页数: 5

文件大小: 866K

下载量: 72