基于高光谱与在线序列极限学习机确证大米产地方法

• 作 者: 王靖会 曹崴 冷全阳 程娇娇 王艳辉 沈海鸥 陈雷 王朝辉
• 机 构: 吉林农业大学信息技术学院,吉林省长春市净月开发区福祉街道办事处,吉林农业大学资源环境学院,吉林省长春市交警支队南关区大队,吉林农业大学食品工程技术学院
• 出 处: 中国农业科技导报
• 发表日期: 2020年09期
• 关键词: 高光谱图像技术 多维尺度分析 在线序列极限学习机 极限学习机 多层感知机 hyper-spectralmultidimensional scalingextre
• 基金项目: 国家重点研发计划项目(2016YFE0202900),吉林省重点科技研发项目(20180201051NY),吉林农业大学本科生科技创新基金项目(2019)

为满足快速无损的大米产地确证需求,采集吉林省梅河口市水稻主产区及松原、大安、辉南等其他水稻产区共990个大米样本的高光谱图像(400～1 000 nm)作为研究对象,利用多元散射校正(MSC)处理方法对光谱进行预处理。采用多层感知机(MLP)、极限学习机(ELM)与在线序列极限学习机(OS-ELM)算法,分别基于全波段高光谱数据以及经多维尺度分析(MDS)方法降维后的数据建立产地确证模型。结果表明,基于全波段高光谱数据的OS-ELM模型分类性能最好,准确率达到98.3%。经MDS处理后,输入的数据变