基于ICA-KNN-Adaboost和高光谱成像技术的马铃薯黑心病检测方法研究

摘要

针对反射高光谱成像技术检测马铃薯内部黑心病准确率低的问题,提出采用独立成份分析(ICA)结合K邻近分类法(KNN)及Adaboost多模型优化算法对马铃薯黑心病进行检测.试验采集157个马铃薯反射高光谱图像,提取反射光谱并采用连续投影算法(SPA)直接对样本光谱数据进行变量选择,应用所选10个变量建立马铃薯黑心病的KNN检测模型;采用ICA算法对高光谱原始数据的图像维进行分析,提取第3独立成份图像,绘制其各波段权重系数图并提取特征(486.67nm、649.97nm、676.35nm、705.24nm、951.44nm、962.75nm、980.34nm),应用所提取的特征对样本光谱维变量进行选择,用7个特征光谱变量建立马铃薯黑心病的KNN判别模型,应用Adaboost多模型优化算法建立马铃薯黑心病的KNN-Adaboost判别模型.试验结果表明,采用SPA-KNN对马铃薯黑心病的识别准确率为75.00％,采用ICA-KNN对马铃薯黑心病的识别准确率为86.54％,采用ICA-KNN-Adaboost对马铃薯黑心样本的识别准确率为97.06％.结果表明采用ICA-KNN-Adaboost算法可实现马铃薯黑心病的有效检测,为马铃薯综合品质的检测提供技术支持。