基于SVM及BPNN地辣椒红外光谱分析.docVIP

基于SVM及BPNN的辣椒红外光谱分析-农学论文 基于SVM及BPNN的辣椒红外光谱分析 李伟星，刘 刚，赵兴祥，王小龙，汪小华，李会梅 （云南师范大学物理与电子信息学院，昆明 ６５０５００） 摘要：利用小波变换结合反向传播网络（ＢＰＮＮ）和支持向量机（ＳＶＭ）研究了朝天椒和灯笼椒的傅里叶变换红外（ＦＴＩＲ）光谱，样品１ ７５０～９５０ ｃｍ－１范围的红外光谱经多尺度一维连续小波变换（ＣＷＴ）和离散小波变换分析，发现第２０尺度的连续小波系数，提取该尺度3个区域的系数作为特征参数建立ＢＰＮＮ和ＳＶＭ 模型。结果表明，ＢＰＮＮ和ＳＶＭ模型都能很好地区别两种辣椒。第５尺度的离散小波细节系数建立ＢＰＮＮ和ＳＶＭ模型分类的正确率分别为９３．３％、１００％。小波变换结合ＢＰＮＮ和ＳＶＭ用于傅里叶变换红外光谱技术中能够准确识别朝天椒、灯笼椒，为区分不同品种的辣椒提供了快速、有效的方法。 关键词 ：朝天椒；灯笼椒；人工神经网络；支持向量机 中图分类号：Ｏ６５７．３３；Ｓ６４１．３文献标识码：Ａ文章编号：０４３９－８１１４（２０１５）０１－０203－０３ ＤＯＩ：１０．１４０８８／ｊ．ｃｎｋｉ．ｉｓｓｎ０４３９－８１１４．２０１５．０１．０53 Ｉｎｆｒａｒｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｉｃ Ａｎａｌｙｓｅｓ of Ｐｅｐｐｅｒ ｂａｓｅｄ ｏｎ Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ ａｎｄ ＢＰＮＮ ＬＩ Ｗｅｉ－ｘｉｎｇ，ＬＩＵ Ｇａｎｇ，ＺＨＡＯ Ｘｉｎｇ－ｘｉａｎｇ，ＷＡＮＧ Ｘｉａｏ－ｌｏｎｇ，ＷＡＮＧ Ｘｉａｏ－ｈｕａ，ＬＩ Ｈｕｉ－ｍｅｉ （Ｓｃｈｏｏｌ ｏｆ Ｐｈｙｓｉｃｓ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ， Ｙｕｎｎａｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｋｕｎｍｉｎｇ ６５０５００， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ ｉｎｆｒａｒｅｄ （ＦＴＩＲ） ｓｐｅｃｔｒｏｓｃｏｐｙ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ （ＢＰＮＮ）， ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ａｎｄ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ （ＳＶＭ） ｗｅｒｅ ｕｓｅｄ ｔｏ analyze Ｃａｐｓｉｃｕｍ ａｎｎｕｕｍ Ｌ． ｖａｒ． ｃｏｎｏｉｄｅ （Ｍｉｌｌ．） Ｉｒｉｓｈ ａｎｄ ｂｅｌｌ ｐｅｐｐｅｒ． ＦＴＩＲ ｓｐｅｃｔｒａ ｏｆ ｓａｍｐｌｅｓ ｆｒｏｍ Ｃ． ａｎｎｕｕｍ Ｌ． ｖａｒ． ｃｏｎｏｉｄｅ （Ｍｉｌｌ．） Ｉｒｉｓｈ ｗｅｒｅ ｏｂｔａｉｎｅｄ. Tｈｅ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒａ ｉｎ ｔｈｅ ｒａｎｇｅ ｏｆ １７５０～９５０ ｃｍ－１ ｗｅｒｅ ｅｘｔｒａｃｔｅｄ ｂｙ ｃｏｎｔｉｎｕｏｕｓ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ （ＣＷＴ） ａｎｄ ｄｉｓｃｒｅｔｅ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ （ＤＷＴ）． Ｔｈｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｌｅｖｅｌ １０ ｗａｓ ｏｂｖｉｏｕｓly ｄｉｆｆｅｒｅｎt. Tｈｒｅｅ ｒｅｇｉｏｎｓ ｏｆ ｔｈｉｓ ｌｅｖｅｌ were ｓｅｌｅｃｔｅｄ ａｓ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ ｔｏ ｔｒａｉｎ ＢＰＮＮ ａｎｄ ｔｈｅ ＳＶＭ ｍｏｄｅｌｓ． Ｄｉｓｃｒｅｔｅ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｄｅｔａｉｌ ｃｏｅｆｆｉｃｉｅｎｔｓ（ＤＷＴＤＣ） ｏｆ ｌｅｖｅｌ ５ ｗｅｒｅ ｓｅｌｅｃｔｅｄ ｔｏ ｔｒａｉｎ ＢＰＮＮ ａｎｄ ＳＶＭ ｍｏｄｅｌｓ. Tｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ａｃｃｕｒａｔｅ ｒａｔｅ ｏｆ ｕｓｉｎｇ ＢＰＮＮ ａｎｄ ＳＶＭ ｗａｓ ９３．３％ and １００％， ｒｅｓｐｃｔｉｖｅｌｙ． Ｉｔ ｉｓ ｐｒｏｖｅｄ ｔｈａｔ ＦＴＩＲ ｓｐｅｃｔｒｏｓｃｏｐｙ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ＢＰＮＮ ａｎｄ ＳＶＭ can ｂｅ ｕｓｅｄ ｔｏ ｄｉｓｃｒｉｍｉｎａｔｅ Ｃ． ａｎｎｕｕｍ Ｌ． ｖａｒ． ｃｏｎｏｉｄｅ （Ｍｉｌｌ．） Ｉｒｉｓｈ ａｎｄ ｂｅｌｌ ｐｅｐｐｅｒ． Ｋｅｙ ｗｏｒｄｓ： Ｃａｐｓｉｃｕｍ ａｎｎｕｕｍ Ｌ． ｖａｒ． ｃｏｎｏｉｄｅ （Ｍｉｌｌ．） Ｉｒｉｓｈ； ｂｅｌｌ ｐｅｐｐｅｒ； ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ； ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ 收稿日期：２０１４－０３－１４ 基金项目：国家自然科学基金项目 作者简介：李伟星（１９８７－），男，湖南衡阳人，在读硕士研究生，研究方向为红外光谱生物医学光谱，（电话）１８２８８７