文献类型：期刊文章

作　　者：李士静[1,2] 潘羲[3] 陈熙卓[4] 朱均燕[1,2] 吴碧致[5] 谢小芳[6] 温永仙[1,2]

LI Shijing;PAN Xi;CHEN Xizhuo;ZHU Junyan;WU Bizhi;XIE Xiaofang;WEN Yongxian(College of Computer and Information Science,Fujian Agriculture and Forestry University,Fuzhou 350002,China;Institute of Statistics and Applications,Fujian Agriculture and Forestry University,Fuzhou 350002,China;Ninghua Branch of Fujian Sanming Tobacco Company,Sanming 365400,Fujian,China;Fujian Sanming Tobacco Company,Sanming 365000,Fujian,China;State Key Laboratory of Marine Environmental Science,Xiamen University,Xiamen 361000,Fujian,China;College of Life Sciences,Fujian Agriculture and Forestry University,Fuzhou 350002,China)

机构地区：[1]福建农林大学计算机与信息学院,福州市350002 [2]福建农林大学统计及应用研究所,福州市350002 [3]福建省三明市烟草公司宁化分公司,福建省365400 [4]福建省烟草公司三明市公司,福建省365000 [5]厦门大学近海海洋环境科学国家重点实验室,福建省361000 [6]福建农林大学生命科学学院,福州市350002

出　　处：《烟草科技》

基　　金：国家自然科学基金项目“基于函数型线性模型的数量性状基因关联分析新方法研究”(32071892);中国烟草总公司福建省公司科技计划项目“鲜烟成熟度智能化检测技术研究”(2019350000240137);福建农林大学科技创新专项基金项目“正反交试验设计的印迹QTL定位”(CXZX2020109A)。

年　　份：2021

卷　　号：54

期　　号：10

起止页码：82-91

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为解决传统烟叶分级因人为主观因素造成烟叶等级识别率低等问题,基于不同等级烟叶高光谱数据集A和B,分析了多元散射校正(MSC)、标准正态变量变换(SNV)和Savitzky-Golay卷积平滑(SG)3种预处理方法,以及随机森林(RF)、极限学习机(ELM)、梯度提升决策树(GBDT)和支持向量机(SVM)4种分类模型对烟叶分类正确率的影响,并进一步探讨了高光谱数据经MSC预处理后,利用F-Score算法选取特征波段,在不同特征波段数量下分类正确率的变化。结果表明:(1)基于全波段的MSC预处理结合ELM和SVM模型的识别效果较好,数据集A和B的分类正确率分别达到84%、80%和96%、95%;(2)利用F-Score算法选取的特征波段数量占全波段的70%时,基于MSC预处理的4种模型的分类正确率已接近基于全波段的分类正确率,在数据集B中SVM的分类正确率达到96%。该研究结果可为提高烟叶等级识别正确率及烟叶分级的智能化水平提供支持。

关 键 词：烟叶分级 高光谱  预处理 分类模型  特征波段  分类正确率  

分 类 号：TS442]