Preview

Журнал прикладной спектроскопии

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

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

Полный текст:

Аннотация

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.

Об авторах

L. Wang
Технологическая школа Пекинского университета лесного хозяйства
Китай

Пекин



L. Pang
Технологическая школа Пекинского университета лесного хозяйства
Китай

Пекин



L. Yan
Технологическая школа Пекинского университета лесного хозяйства
Китай

Пекин



J. Zhang
Технологическая школа Пекинского университета лесного хозяйства
Китай

Пекин



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.


Рецензия

Для цитирования:


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.

For citation:


Wang L., Pang L., Yan L., Zhang J. Nondestructive Rapid Identification of Soybean Varieties Using Hyperspectral Imaging Technology (In Engl.). Zhurnal Prikladnoii Spektroskopii. 2022;89(1):94-101.

Просмотров: 54


ISSN 0514-7506 (Print)