基于介电频谱技术的甜瓜品种无损检测-IngentaConnect.PDF

第 33 卷 第 9 期 农 业 工 程 学 报 Vol.33 No.9 290 2017 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2017 基于介电频谱技术的甜瓜品种无损检测 1 2 ※ 1 1 1 王转卫 ，赵春江 ，商 亮 ，孔繁荣 ，翁小凤 （1. 西北农林科技大学机械与电子工程学院，杨凌 712100 ； 2. 国家农业信息化工程技术研究中心，北京 100097 ） 摘 要：研究应用介电频谱技术实现对甜瓜的无损、快速及准确分类。以陕西杨凌某 4 家大棚外形相似的“红阎良”、“新 早蜜”、“208 ”及“玛瑙”等 4 类成熟甜瓜为研究对象，采用矢量网络分析仪测量共 246 个样品在 20 MHz～4 500 MHz 的介电频谱。用Kennard-Stone 方法划分校正集与验证集，分别建立支持向量机（support vector machine，SVM）和极限 学习机（extreme learning machine，ELM ）种类判别模型，并比较全频谱（full frequencies，FF ）、连续投影算法（successive projection algorithm ，SPA）和主成分分析（principal component analysis ，PCA ）等不同预处理方法对模型精度的影响。结 果表明：1）所建6 个判别模型验证集总正确率均大于 96%，均可用于甜瓜种类的判别。2 ）对比3 种预处理方法，FF 完 好地保留了样品的原始信息，2 种判别模型的验证集总正确率都达到了 100%，但由于存在干扰信息导致模型稳定性不好； PCA 方法选择能代表原谱信息 99.99%的前 10 个主成分信息用来建模，能有效简化模型，但验证集每个模型均有误判， 两种判别模型总正确率分别为 96.72%及 98.36% ；SPA 从 202 个变量中提取 17 个特征变量参与建模，验证模型整体稳定 SPA-ELM 性较其他两种好，总正确率分别达到 96.72%和 100%。3 ）综合考虑判别模型的验证集总正确率及模型稳定性， 模型判别效果最好，验证集总正确率达到 100%，更适用于基于介电频谱的甜瓜种类判别。因此，基于甜瓜的介电频谱， 通过支持向量机和极限学习机方法可以成功区分甜瓜种类，为甜瓜的无损检测及分类研究提供了一种新方法。 关键词：介电特性；支持向量机；模型；甜瓜；极限学习机；分类 doi ：10.11975/j.issn.1002-6819.2017.09.038 中图分类号：O657 文献标志码：A 文章编号：1002-6819(2017)-09-0290-06 王转卫，赵春江，商 亮，孔繁荣，翁小凤. 基于介电频谱技术的甜瓜品种无损检测[J]. 农业工程学报，2017，33(9)： 290－295. doi ：10.11975/j.issn.1002-6819.2017.09.038 Wang Zhuanwei, Zhao Chunjiang, Shang Liang, Kong Fanrong, Weng Xiaofeng. Nondestructive testing of muskmelons varieties based on dielectric spectrum technology[J]. Transactions of the Chin