| 基于高光谱图像及深度特征的大米蛋白质含量预测模型 |
| |
| 引用本文： | 孙俊,靳海涛,芦兵,武小红,沈继锋,戴春霞.基于高光谱图像及深度特征的大米蛋白质含量预测模型[J].农业工程学报,2019,35(15):295-303. |
| |
| 作者姓名： | 孙俊 靳海涛 芦兵 武小红 沈继锋 戴春霞 |
| |
| 作者单位： | 江苏大学电气信息工程学院，镇江 212013,江苏大学电气信息工程学院，镇江 212013,江苏大学电气信息工程学院，镇江 212013,江苏大学电气信息工程学院，镇江 212013,江苏大学电气信息工程学院，镇江 212013,江苏大学电气信息工程学院，镇江 212013 |
| |
| 基金项目： | 国家自然科学基金资助项目（31471413）；江苏高校优势学科建设工程资助项目PAPD（苏政办发2011 6号）；江苏省六大人才高峰资助项目（ZBZZ-019）；常州市科技支撑（社会发展）项目（CE20185029） |
| |
| 摘 要： | 为了充分挖掘高光谱图像的光谱信息和图像信息,实现大米中蛋白质含量的无损检测,该文提出一种堆叠自动编码器(stackedauto-encoder,SAE)提取高光谱图像深度特征的方法,在高温(45℃)高湿(95%相对湿度)条件下对市售大米进行放置处理,以6组不同放置时间(0,24,48,72,96和120h)共420个大米样本(每组70个)为对象,利用可见光/近红外高光谱成像仪采集高光谱图像(400～1 000 nm,共478个波段),采用阈值分割法获取样本高光谱图像掩膜,分别提取掩膜后高光谱图像感兴趣区域(region of interest,ROI)的平均光谱信息和图像信息。应用多项式平滑(savitzky-golay,SG)对获取的光谱曲线进行预处理,利用SAE提取光谱深度特征,采用支持向量机回归(support vector regression,SVR)建立预测模型,结果表明训练集决定系数RC2、训练集均方根误差RMSEC、预测集决定系数RP2和预测集均方根误差RMSEP分别为0.976 2、0.068 6 g/(100 g)、0.939 2和0.115 3 g/(100 g)。将图像尺寸统一为28像素?28像素的灰度图并扁平化处理,利用SAE提取图像深度特征,结果表明RC2、RMSEC、RP2和RMSEP分别为0.915 4、0.051 0 g/(100 g)、0.821 0和0.111 8 g/(100 g)。进一步融合光谱信息和图像信息,结果表明RC2、RMSEC、RP2和RMSEP分别为0.971 0、0.077 2 g/(100 g)、0.964 4和0.085 1 g/(100 g),相较于光谱信息,RP2提升幅度2.68%;相较于图像信息,RP2提升幅度17.47%。研究表明,充分挖掘大米样本高光谱图像中的光谱信息和图像信息并进行融合,利用SAE提取光谱-图像融合深度特征,可有效提高模型的预测精度,为大米蛋白质含量无损检测提供了理论依据,具有良好的应用前景。
|
| 关 键 词： | 无损检测 光谱分析 模型 高光谱图像 堆叠自动编码器 深度特征 大米 蛋白质含量 |
| 收稿时间： | 2018/12/11 0:00:00 |
| 修稿时间： | 2019/6/6 0:00:00 |
Prediction model of rice protein content based on hyperspectral image and deep feature |
| |
| Sun Jun,Jin Haitao,Lu Bing,Wu Xiaohong,Shen Jifeng and Dai Chunxia.Prediction model of rice protein content based on hyperspectral image and deep feature[J].Transactions of the Chinese Society of Agricultural Engineering,2019,35(15):295-303. |
| |
| Authors: | Sun Jun Jin Haitao Lu Bing Wu Xiaohong Shen Jifeng and Dai Chunxia |
| |
| Institution: | School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China,School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China,School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China,School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China,School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China and School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China |
| |
| Abstract: | |
| |
| Keywords: | nondestructive detection spectrum analysis models hyperspectral imaging stacked auto-encoder deep feature rice protein content |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
