%0 Journal Article
%T 基于高光谱图像的桑叶农药残留种类鉴别研究
%A 孙俊
%A 张梅霞
%A 李正明
%A 杨宁
%A 武小红
%A 毛罕平
%J 农业机械学报
%D 2015
%X 研究了一种快速、精确、无损检测桑叶农药残留的方法。以不含农药残留的桑叶、含有敌敌畏残留的桑叶、含有毒死蜱残留的桑叶、含有乙酰甲胺磷残留的桑叶、含有乐果残留的桑叶和含有辛硫磷残留的桑叶为实验对象，利用高光谱成像仪获取390~1050nm范围内的桑叶高光谱图像。利用ENVI软件确定叶片的感兴趣区域，并采用连续投影算法（SPA）优选出10个特征波长（452.51、469.88、517.28、539.85、578.92、643.72、727.24、758.34、785.67、819.67nm）。利用基于径向基内核（RBF）的支持向量机（SVM）和10折交叉验证的方法建立桑叶农残检测模型，并讨论了3种参数寻优算法（网格搜索、遗传算法和粒子群算法）对模型性能的影响，发现采用网格搜索的SVM模型的性能最优，其交叉验证正确率为63.89%，预测正确率为78.33%。为了进一步提升模型的分类性能，将自适应提升算法（Adaboost）引入到SVM建模方法，基于特征波长下的光谱数据，对桑叶是否含有农药残留及农药残留品种进行分类建模。结果表明，Ada—SVM模型的预测准确率达到97.78%，较传统SVM模型的准确率提高了19.45个百分点。可见，利用高光谱图像技术结合Ada—SVM算法能够较准确地鉴别桑叶农药残留。
%K 桑叶 农药残留 支持向量机 高光谱图像 特征波长
%U http://www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150636&flag=1