研究目的
探究近红外高光谱成像技术用于葡萄干品种鉴别的可行性，重点研究果实大小和形状对分类精度的影响、标准正态变量（SNV）光谱预处理对分类精度的作用，并比较支持向量机（SVM）、k-最近邻（k-NN）和径向基函数神经网络（RBFNN）模型在全目标分析与像素级分析中的性能表现。
研究成果
高光谱成像技术成功用于鉴别不同品种的葡萄干。基于主成分分析（PCA）选取的最优波长，采用以对象为单位的波谱构建支持向量机（SVM）和径向基函数神经网络（RBFNN）预测模型，获得了可接受的结果。研究表明，高光谱成像是葡萄干品种鉴定的有效技术，像素级和对象级分析均可用于建立分类模型。
研究不足
该研究的局限性在于处理大量高光谱数据所需的计算资源，以及构建稳定准确模型时对代表性样本选择的依赖。未来研究可探索更高效的数据处理技术和更全面的样本选择方法。
1：实验设计与方法选择：
获取了两种不同品种葡萄干（五合白和香妃）在874-1734纳米光谱范围内的高光谱图像。提取像素级光谱并通过小波变换和标准正态变量进行预处理，计算物级光谱。采用主成分分析（PCA）和独立成分分析（ICA）筛选有效波长，构建支持向量机（SVM）、k近邻（k-NN）和径向基函数神经网络（RBFNN）模型来区分两种葡萄干品种。
2：样本选择与数据来源：
从中国新疆维吾尔自治区石河子市当地市场采集了五合白（WHB）和香妃（XF）两个品种的葡萄干。根据葡萄干大小，每个品种手动采集三个等级（一级-大果、二级-中果、三级-小果）。
3：实验设备与材料清单：
组装的近红外高光谱成像系统，光谱范围为975-1646纳米，包括ImSpector N17E成像光谱仪、安装OLES22镜头的Xeva 992相机、两盏150瓦卤钨灯和传送带。
4：实验流程与操作步骤：
获取高光谱图像并进行校正，随后提取光谱信息。对物级光谱和像素级光谱进行PCA和ICA分析以筛选有效波长，使用筛选后的像素级或物级光谱构建SVM、k-NN和RBFNN模型。
5：数据分析方法：
通过分类准确率、特异性和灵敏度评估分类模型性能。高光谱图像分析、光谱数据提取、光谱预处理、PCA分析、SVM、K-NN和RBFNN均在Matlab R2014b中完成。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
ImSpector N17E imaging spectrograph
N17E
Spectral Imaging Ltd.
Used for acquiring hyperspectral images in the near-infrared range.
-
Xeva 992 camera
992
Xenics Infrared Solutions
Captures hyperspectral images.
-
OLES22 lens
OLES22
Spectral Imaging Ltd.
Used with the Xeva 992 camera for image acquisition.
-
Tungsten halogen lamps
3900 Lightsource
Illumination Technologies Inc.
Serves as the light source for the hyperspectral imaging system.
-
Conveyer belt
Isuzu Optics Corp.
Used for moving samples during image acquisition.
-
登录查看剩余3件设备及参数对照表
查看全部
