基于近红外高光谱图像分析的麦粒硬度分类研究

为对小麦硬度进行自动检测,采集不同硬度小麦品种的近红外高光谱图像,将光谱数据经过求导处理后,提取950~1 645 nm有效光谱区间数据,然后经过多元散射校正,建立偏最小二乘判别分析(PLS-DA)模型。采用120粒小麦对模型进行训练,剩余的90粒进行检验,总体上模型分类准确率为99.63%。表明,采用近红外高光谱成像技术对单籽粒小麦硬度进行分类是可行的。     

基于ABC-SVM的内部含虫麦粒多光谱图像特征选择研究

为探讨利用人工蜂群算法(ABC)对内部含虫麦粒进行特征选择的可行性,基于该算法,以交叉验证训练模型的识别率作为特征子集的性能评价准则,对内部含虫麦粒的特征进行分析。结果表明,该算法从内部含虫麦粒的32维直方图特征和纹理特征中自动选择出6个特征的最优特征子空间,采用参数优化之后的SVM分类器对80个麦粒样本进行分类,识别率达到92%以上,说明应用人工蜂群算法对内部含虫麦粒进行特征选择是可行的。