10.13386/j.issn1002-0306.2016.17.002
基于高光谱图像的小麦脱氧雪腐镰刀菌烯醇含量等级鉴别
以6种不同脱氧雪腐镰刀菌烯醇(DON)含量等级的小麦样本为研究对象,利用高光谱图像结合化学计量学方法实现DON毒素含量的鉴别.采集180份小麦样本高光谱图像,利用改进格拉姆斯密特算法(MGS)与遗传无信息变量消除算法(GAUVE)对400～ 1021 nm波段光谱信息提取特征波长,分别利用线性判别分析(LDA)、随机森林(RF)、支持向量机(SVM)、最邻近结点(KNN)算法建立模型预测小麦脱氧雪腐镰刀菌烯醇含量等级.结果表明,利用MGS算法和GAUVE算法能有效地提取特征波长,降低波长变量数,提高运算速率,4种算法建模时准确率均高于85％,其中MGS-SVM模型鉴别效果最优.研究表明,高光谱图像结合化学计量方法与现有检测方法相比,可以快速无损地鉴别6种不同小麦DON毒素含量,为小麦DON毒素快速、无损、智能检测提供研究方法.
小麦、高光谱图像、脱氧雪腐镰刀菌醇、识别模型
37
TS201.1(食品工业)
国家自然科学青年基金项目31401610;中央高校基本科研业务费专项资金KJQN201557;江苏省农业科技创新基金CX161059;江苏省科技支撑项目BE2014738;江苏省农业科技自主创新项目CX142126.
2016-09-29（万方平台首次上网日期，不代表论文的发表时间）
54-58
