华中农业大学学报

作者：殷海，李斌，刘燕德，张烽，苏成涛，欧阳爱国

单位：华东交通大学机电与车辆工程学院/水果智能光电检测技术与设备国家与地方联合工程研究中心，南昌330013

关键词：黄桃;损伤程度;反射光谱;吸收光谱;Kubelka-Munk光谱;无损检测;高光谱检测;表型检测

基金：国家自然科学基金项目（12103019）；国家科技奖后备项目培育计划（20192AEI91007）殷海，E-mail：yh19970912@163.com

为提高黄桃损伤程度无损检测识别的准确率，采集健康和不同损伤程度黄桃（Amygdalus persica）的反射光谱（R）、吸收光谱（A）、Kubelka-Munk光谱（K-M），并基于反射光谱、吸收光谱、Kubelka-Munk光谱等原始光谱和RAW、BOC、DT、SG、SNV等预处理方法后的光谱建立偏最小二乘判别分析（partial least squares discriminant analysis，PLS-DA）、极限梯度提升（extreme gradient boosting，XGBoost）和随机森林（random forest，RF）模型，比较3种模型检测效果，选出正确率较高模型并构建其特征波长下的模型，并对结果再次进行比较。结果显示，基于3种原始光谱和SG预处理后光谱的RF模型判别效果较优，整体准确率均达到了90.00%以上。利用竞争性自适应重加权（CARS）和无信息变量消除（UVE）算法对3种原始光谱和SG预处理后的光谱进行波长筛选，并再次建立RF模型。结果显示，A-RAW-CARS-RF模型和K-M-SG-CARS-RF模型相比于全光谱下的RF模型判别效果得到了改善，并且在基于特征波长建立的RF模型中，A-RAW-CARS-RF模型的判别效果最好，整体准确率达到了97.12%，对4个子类别的误判数分别为0、1、1、1。

来源：2023年第3期

《华中农业大学学报》期刊编辑部

查看华中农业大学学报杂志2023年第3期