文献类型：期刊文章

作　　者：孙世鹏[1] 彭俊[1] 李瑞[1] 朱兆龙[1] Vázquez-Arellano MANUEL[2] 傅隆生[1]

SUN Shipeng;PENG Jun;LI Rui;ZHU Zhaolong;FU Longsheng(College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling 712100, China;Institute of Agricultural Engineering, University of Hohenheim, Stuttgart 70599, Germany)

机构地区：[1]西北农林科技大学机械与电子工程学院,陕西杨凌712100 [2]霍恩海姆大学农业工程研究所,德国巴符斯图加特70599

出　　处：《食品科学》

基　　金：陕西省自然科学基础研究计划-青年人才项目(2015JQ3065);中国博士后科学基金项目(2015M572602);西北农林科技大学国际科技合作种子基金项目(A213021505)

年　　份：2017

卷　　号：38

期　　号：2

起止页码：301-305

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD_E2017_2018、EI(收录号：20171003409422)、FSTA、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为了对冬枣损伤进行早期检测,采用近红外高光谱图像技术对损伤区域成像。针对高光谱图像波长多的特点,分别采用连续投影算法、相关特征选择算法、一致性(Consistency)算法选择冬枣损伤的特征波长,对提取的特征波长分别应用k-邻近、朴素贝叶斯(naive bayes,NB)、支持向量机(support vector machine,SVM)3种分类方法进行损伤区域识别。结果表明:所有方法选择的一致特征波长在1 353 nm和1 691 nm附近。Consistency算法选择的特征波长在SVM分类器下分类识别正确率达到95.16%,一致特征波长在NB分类器下分类识别正确率达到84.26%,验证了一致波长的有效性,为多光谱成像技术实现在线检测冬枣损伤提供参考依据。

关 键 词：冬枣 高光谱成像 特征波长  轻微损伤  检测  

分 类 号：TP391.4]