基于高光谱技术和机器学习的新疆红枣品种识别

简介：
本研究利用高光谱成像技术结合机器学习算法，旨在精准区分新疆地区不同种类的红枣，为农业智能化提供新技术支持。 为了实现对红枣品种的判别，我们利用高光谱技术和机器学习算法研究了金丝大枣、骏枣以及滩枣这三种新疆红枣品种。首先，通过采用多元散射校正（MSC）、标准正态变量变换（SNV）、一阶导数（1-Der）和Savitzky-Golay平滑法（SG）等数据预处理方法对原始光谱进行优化，并分析了这些预处理技术对于模型构建的影响。接着，我们运用光谱-理化值共生距离法(SPXY)将样本集划分为校正集与预测集，基于线性判别分析(LDA)、K-最近邻分类(KNN)和支持向量机(SVM)算法建立了红枣品种鉴别模型。实验结果显示，在多种预处理方法中1-Der的优化效果最佳。 随后，我们结合主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权采样(CARS)等特征提取技术对全波段光谱进行了关键波长的选择，并基于这些选择出的关键波长建立了红枣品种鉴别模型。实验表明，在几种特征提取方法中，使用CARS选取的特征波段能够建立具有最高分类准确率的模型。 最后，以SVM算法为例比较了不同模型运行时间的表现情况，发现基于选定特征波段所构建的模型其计算效率显著高于全光谱数据下的模型。