1 中南大学 信息物理工程学院, 湖南 长沙 410083
2 吉首大学 生物资源与环境科学学院, 湖南 吉首 416000
3 中南林业科技大学 林业遥感信息工程研究中心, 湖南 长沙 410004
4 吉首大学 生物资源与环境科学学院, 湖南 吉首 41600
利用可见/近红外光谱技术对市场上5种稻米进行了鉴别.以ASD FieldSpec .3地物光谱仪采集了5种稻米 的光谱数据, 各获取35个样本, 随机分成训练集(150份)和检验集(25份), 并分别采取全波段与特征波段(400～ 500nm、910～1400nm与1940～2300nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处 理后, 以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP人工神经网络(BP-ANN)的输入变量, 稻米品种作为输出变量, 建立3层BP-ANN鉴别模型.利用25个未知样对模型进行检验, 结果表明两类模型预测准 确率均高达100%, 其中特征波段模型比全波段模型具有更高的预测精度, 说明利用可见/近红外技术结合PCA-BP 神经网络分析法进行稻米品种与真伪的快速、无损鉴别是可行的, 且提取特征波段是优化模型的有效方法之一.
可见/近红外光谱 稻米 主成分分析 BP-人工神经网络 鉴别 visual/near infrared spectra rice principal component analysis(PCA) BP-artificial neural network discrimination
