文献类型：期刊文章

作　　者：李鸿强[1] 孙红[2] 李民赞[2]

LI Hong-qiang;SUN Hong;LI Min-zan(School of Science,Hebei University of Architecture,Zhangjiakou 075000,China;Key Laboratory of Modern Precision Agriculture System Integration Research,Ministry of Education,China Agriculture University,Beijing 100083,China)

机构地区：[1]河北建筑工程学院数理系,河北张家口075000 [2]中国农业大学现代精细农业系统集成研究教育部重点实验室,北京100083

出　　处：《分析测试学报》

基　　金：国家自然科学基金资助项目(31971785);河北省高等学校科学技术研究青年基金资助项目(QN2018075)。

年　　份：2020

卷　　号：39

期　　号：11

起止页码：1421-1426

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：采用高光谱分析技术结合模式识别,建立了8种马铃薯微型种薯(大西洋、荷兰-14、荷兰十五041、荷兰十五Q8、冀张薯12号、冀张薯8号、兴佳2号和Y2)的分类检测方法。采集276个种薯样本,对860~1700 nm的原始光谱进行标准化、11点Savitzky-Golay平滑和4点差分一阶导数光谱预处理,将预处理后的光谱数据进行主成分分析,发现前3个主成分的累积贡献率为95.12%,包含了原始光谱的大部分信息,可作为分类变量。再分别使用线性判别分析、BP神经网络和支持向量机进行分类建模。最终通过分层、分步骤建立了8种马铃薯微型种薯的分类模型。首先采用线性判别分析模型区分大西洋、荷兰-14、荷兰十五041和其它品种,平均正确识别率达88.79%。再建立BP神经网络模型将其它品种样本区分为两类,一类为冀张薯8号和Y2,另一类为荷兰十五Q8、冀张薯12号和兴佳2号,平均正确识别率达93.24%。最后以BP神经网络模型区分冀张薯8号和Y2,平均正确识别率为77.78%;以支持向量机分类模型区分荷兰十五Q8、冀张薯12号和兴佳2号,平均正确识别率为87.23%。该研究建立的8种马铃薯种薯分步骤、分层分类识别模型的平均正确识别率达89.75%,表明高光谱光谱分析技术可用于马铃薯微型种薯的分类检测。

关 键 词：马铃薯 微型种薯 高光谱  分类检测  

分 类 号：O657.33]