马铃薯干物质含量高光谱检测中变量选择方法比较 Comparison of Different Variable Selection Methods on Potato Dry Matter Detection by Hyperspectral Imaging Technology.pdfVIP

下载本文档

31
0
约2.41万字
约 7页
2017-09-03 发布于湖北
举报
版权申诉

马铃薯干物质含量高光谱检测中变量选择方法比较 Comparison of Different Variable Selection Methods on Potato Dry Matter Detection by Hyperspectral Imaging Technology.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

201 2年2月农业机械学报第43卷第2期 DOI：10．6041／j．issn．1000—1298．2012．02．026 马铃薯干物质含量高光谱检测中变量选择方法比较木周竹李小昱高海龙陶海龙李鹏文东东 (华中农业大学工学院，武汉430070) 【摘要】为提高利用高光谱成像技术快速检测马铃薯干物质含量的精度，比较了主成分分析法(PCA)、组合法(CARS)等变量选择方法。在此基础上提出一种竞争性自适应重加权算法与连续投影算法(SPA)相结合的波长选择方法，最终将原始光谱变量从678个减少到了27个。用27个变量建立多元线性回归模型，模型预测集相关系数R。为O．86，预测均方根误差为1．06％。实验结果表明：高光谱成像技术能够对马铃薯干物质含量进行检测，同时CARS—SPA是一种有效的变量选择方法。关键词：马铃薯干物质高光谱变量选择竞争性自适应重加权算法中图分类号：0657．39；S123文献标识码：A 文章编号：1000-1298(2012)02-0128-06 of DifferentVariableSelectionMethodsonPotato Comparison MatterDetection Dry byHyperspectralImagingTechnology ZhouZhuLi Gao Tao Li Wen Xiaoyu HailongHailongPeng Dongdong of (CollegeEngineering，HuazhongAgriculturalUniversity，Wuhan430070，China) Abstract Inorderto determinationof mattercontentin improveprecision dry potatoesby hyperspectralimage variableselectionmethodssuchas and technology，several PCA，siPLS，GA—PLS，UVEcompetitive reweighed combinatorialmethodnamedCARS—SPA adaptive sampling(CARS)werecompared．A to from678 (successiveprojectionsalgorithm)wasselectvariables variables．The proposed wavelength numberof variableswasreducedto27．A linear multivariate wavelength regression onthese27 variableswas to DMcontentwith of RMSEPof wavelength developedpredict