1 吉林大学生物与农业工程学院, 工程仿生教育部重点实验室, 吉林 长春130022
2 长春税务学院应用数学系, 吉林 长春130117
为了对植物病虫害进行快速准确检测, 采用荧光光谱技术并结合支持向量机分析方法建立了黄瓜病虫害诊断模型。 通过Savitzky-Golay平滑法(SG), SG平滑法+快速傅里叶变换(FFT)和SG平滑法+一阶导数变换(FDT)三种方法对原始光谱进行降噪处理, 并利用主成分分析法(PCA)对降噪后的光谱进行降维, 根据累积贡献率选取7个主成分进行分析。 将样本数据随机分为训练集和预测集, 利用四种核函数条件下的支持向量机算法建立了预测模型, 并进行预测。 以训练集交叉验证的分类准确率最大值为指标, 对四种核函数模型进行参数优化, 并对比其分类性能, 结果表明, 经SG+FDT+PCA预处理后, 具有多项式核函数的支持向量机对黄瓜病虫害的鉴别准确率达到98.3%, 具有很好的分类和鉴别效果。
荧光光谱 主成分分析 支持向量机 黄瓜病虫害 Fluorescence spectrum Principal component analysis (PCA) Support vector machine (SVM) Cucumber diseases and insect pests 光谱学与光谱分析
2010, 30(11): 3018
