基于近红外高光谱图像的冬枣损伤早期检测

为了对冬枣损伤进行早期检测，采用近红外高光谱图像技术对损伤区域成像。针对高光谱图像波长多的特点，分别采用连续投影算法、相关特征选择算法、一致性（Consistency）算法选择冬枣损伤的特征波长，对提取的特征波长分别应用k-邻近、朴素贝叶斯（naive bayes，NB）、支持向量机（support vector machine，SVM）3 种分类方法进行损伤区域识别。结果表明：所有方法选择的一致特征波长在1 353 nm和1 691 nm附近。Consistency算法选择的特征波长在SVM分类器下分类识别正确率达到95.16%，一致特征波长在NB分类器下分类识别正确率达到84.26%，验证了一致波长的有效性，为多光谱成像技术实现在线检测冬枣损伤提供参考依据