论文部分内容阅读
基于高光谱成像技术从可见-近红外波段(VNIR,435～1 042 nm)和短波红外(SWIR,898～1 751 nm)波段提取光谱和图像特征,融合数据建立分类模型,鉴别不同产地甘草药材.提取甘草样品高光谱数据的光谱特征,结合多种预处理算法对光谱数据进行降噪处理,利用偏最小二乘判别分析(PLS-DA)、支持向量机分类(SVC)和随机森林(RF)建立产地分类模型.利用灰度共生矩阵(GLCM)提取图像纹理特征,从3个维度实现全方位融合,即VNIR和SWIR融合,光谱和图像融合以及全数据融合.结果 显示,短波红外波段光谱对甘草产地鉴别准确率较高,基于Savitzky-Golay平滑的二阶导数预处理光谱建立的产地鉴别模型具有较优判别效果.PLS-DA和SVC产地鉴别模型分类准确率分别达到93.40％和94.11％,基于混淆矩阵和ROC特征曲线对模型进行评估,PLS-DA模型分类准确度和模型泛化能力优于SVC和RF模型.3个维度上的数据融合对分类性能产生积极影响,连续投影算法波段全数据融合仅利用28个特征波长分类准确率可达到94.82％,该方法在保证分类准确率的基础上能够有效地提高分类效率.高光谱成像技术能够无损、直观、快速鉴别不同产地甘草样品.