Неразрушающая экспресс-идентификация сортов сои с использованием технологии гиперспектральной визуализации (англ.)

Wang L.; Pang L.; Yan L.; Zhang J.

Неразрушающая экспресс-идентификация сортов сои с использованием технологии гиперспектральной визуализации (англ.)

Wang L. , Pang L. , Yan L. , Zhang J.

2022

Для классификации сортов сои использована технология гиперспектральной визуализации. Получены спектры отражения четырех сортов сои из гиперспектральных изображений в диапазоне 400–1000 нм. Метод главных компонент и линейный дискриминантный анализ (LDA) позволили сделать вывод о разделимости спектральных данных сои. Спектральные данные предварительно обрабатывались с использованием мультипликативной коррекции рассеяния (MSC), сглаживания Савицкого–Голея (SG), а также одновременно MSC и SG. Модели классификации, основанные на LDA, методах опорных векторов (SVM) и k-ближайших соседей (KNN), созданы на основе полных или характерных длин волн. Совместная предварительная обработка спектральных данных MSC и SG применена для создания модели классификации SVM, основанной на полных длинах волн, которая показала точность классификации 95.19 %. Метод случайного леса использован для выбора признаков среди всех длин волн для создания модели классификации LDA с точностью 82.69 %. Показано, что метод гиперспектральной визуализации в сочетании с алгоритмами SVM, KNN и LDA может использоваться для быстрой и неразрушающей классификации различных сортов сои.

Wang L. , Pang L. , Yan L. , Zhang J. Неразрушающая экспресс-идентификация сортов сои с использованием технологии гиперспектральной визуализации (англ.). Журнал прикладной спектроскопии. 2022;89(1):94-101.

Цитирование

Список литературы

1. Baek Insuck, Kusumaningrum Dewi, Kandpal Lalit Mohan, Lohumi Santosh, Mo Changyeun, Kim S. Moon, Cho Byoung-Kwan, Sensors, 19, No. 2 (2019), https://doi.org/10.3390/s19020271.

2. M. T. McCarville, C. C. Marett, M. P. Mullaney, G. D. Gebhart, G. L. Tylka, Plant Health Prog., 18, 146–155 (2017), https://doi.org/10.1094/PHP-RS-16-0062.

3. K. M. Maria John, S. Natarajan, D. L. Luthria, Food Chem., 211, 347–355 (2016), https://doi.org/10.1016/j.foodchem.2016.05.055.

4. S. Ye, Y. Wang, D. Huang, J. Li, Y. Gong, L. Xu, L. Liu, Sci. Horticult., 155, 92–96 (2013), https://doi.org/10.1016/j.scienta.2013.03.016.

5. S. Vanisri, R. Durga, G. Swathi, M. Jamal, M. Sreedhar, N. R. Kumar, E. Ramprasad, Y. Raviteja, Agric. Res. (2018), https://doi.org/10.1007/s40003-018-0324-8.

6. K. Moorthy, P. Babu, M. Sreedhar, et al., J. Seed Sci. Technol., 39, No. 2, 282–292 (2011), https://doi.org/10.1007/s10681-007-9630-0.

7. D. Guo, Q. Zhu, M. Huang, et al., Comput. Electron. Agric., 142, 1–8 (2017), https://doi.org/10.1016/j.compag.2017.08.015.

8. X. Feng, et al., Sensors (Basel), 17, No. 8, 1894 (2017), https://doi.org/10.3390/s17081894.

9. M. Huang, J. Tang, B. Yang, Q. Zhu, Comput. Electron. Agric., 122, 139–145 (2016), https://doi.org/10.1016/j.compag.2016.01.029.

10. S. Jia, et al., J. Cereal Sci., 63, 21–26 (2015), https://doi.org/10.1016/j.jcs.2014.07.003.

11. Y. Zhao, et al., Molecules, 23, No. 6 (2018), https://doi.org/10.3390/molecules23061352.

12. Susu Zhu, Lei Zhou, Chu Zhan, Yidan Ba, Baohua Wu, Hangjian Chu, Yue Y, Yong He, Lei Feng, Sensors, 19, 4065 (2019), https://doi.org/10.3390/s19194065.

13. X. He, X. Feng, D. Sun, et al., Molecules, 24, No. 12, 2227 (2019), https://doi.org/10.3390/molecules24122227.

14. N. Wu, Y. Zhang, R. Na, C. Mi, S. Zhu, Y. He, C. Zhang, RSC Adv., 12635–12644 (2019), https://doi.org/10.1039/c8ra10335f.

15. L. Ravikanth, C. B. Singh, D. S. Jayas, N. D. White, Biosyst. Eng., 135, 73–86 (2015), https://doi.org/10.1016/j.biosystemseng.2015.04.007.

16. T. Isaksson, T. Næs, Appl. Spectrosc., 42, No. 7, 1273–1284 (1988), http://doi.org/10.1366/0003702884429869.

17. A. Savitzky, M. J. E. Golay, Anal. Chem., 36, 1627–1639 (1964), http://dx.doi.org/10.1021/ac60214a047.

18. J. Yang, V. Honavar, IEEE Intell. Systems Their Appl., 13, No. 2, 44–49 (1998), https://doi.org/10.1109/5254.671091.

19. Y. Zhao, S. Zhu, C. Zhang, X. Feng, L. Feng, Y. He, RSC Adv., 1337–1345 (2018), https://doi.org/10.1039/C7RA05954J.

20. X. Feng, C. Peng, Y. Chen, X. Liu, X. Feng, Y. He, Sci. Rep., 15934 (2017), https://doi.org/10.1038/s41598-017-16254-z.

Источник

Информация

Автор

Wang L. Технологическая школа Пекинского университета лесного хозяйства
Pang L. Технологическая школа Пекинского университета лесного хозяйства
Yan L. Технологическая школа Пекинского университета лесного хозяйства
Zhang J. Технологическая школа Пекинского университета лесного хозяйства

Страницы

94-101

Год издания

2022

Ключевые слова

Коллекции

Журнал прикладной спектроскопии