典型文献
高光谱和卷积神经网络的大白菜农残检测
文献摘要：
针对大白菜农药残留传统化学检测手段存在前期处理过程繁琐、检测周期长等不足,提出了一种快速无损识别大白菜农药残留种类的方法.以1组无农药残留和4组含有均匀喷洒农药(毒死蜱、乐果、灭多威和氯氰菊酯)的大白菜样本为研究对象(药液浓度配比分别为0.10,1.00,0.20和2.00 mg·kg-1),经12小时自然吸收后,利用高光谱成像系统获取400～1000 nm高光谱图像,并选取ROI感兴趣区域后经多元散射校正(MSC)预处理;分别采用竞争性自适应重加权算法(CARS)、主成分分析算法(PCA)和离散小波变换(DWT)降维(分别基于db1,sym2,coif1,bior2.2和rbio1.5小波基函数);最后,将降维后的高光谱数据分别输入卷积神经网络(CNN)、多层感知机(MLP)、K最邻近算法(KNN)和支持向量机(SVM)建立模型并比较.结果显示,CNN,MLP,KNN和SVM算法均在降维算法DWT(小波基函数及变换层数分别为coif1-2,coif1-4,bior2.2-2和sym2-2)取得最优总体精度分别为91.20％,83.20％,66.40％ 和90.40％,Kappa系数分别为0.89,0.79,0.58和0.88,预测集用时分别为86.01,63.23,20.02和14.03 ms,总体精度和Kappa指标均优于基于CARS和PCA降维算法建模结果.可见,高光谱与离散小波变换和卷积神经网络相融合显著提高分类识别精度,改善"休斯"现象,为实现无损和快速检测识别大白菜农残提供一个新的方法.
文献关键词：
高光谱;大白菜;农残检测;离散小波变换;卷积神经网络
中图分类号：
作者姓名：
姜荣昌;顾鸣声;赵庆贺;李欣然;沈景新;苏中滨
作者机构：
东北农业大学电气与信息学院,黑龙江 哈尔滨 150030;哈尔滨市大数据中心,黑龙江 哈尔滨 150030;山东省农业机械科学研究院,山东 济南 250100
文献出处：
引用格式：
[1]姜荣昌;顾鸣声;赵庆贺;李欣然;沈景新;苏中滨-.高光谱和卷积神经网络的大白菜农残检测)[J].光谱学与光谱分析,2022(05):1385-1392
A类：
db1,sym2,coif1,bior2,rbio1
B类：
大白菜,菜农,农残检测,农药残留,留传,传统化,化学检测,检测手段,快速无损,留种,喷洒,毒死蜱,乐果,灭多威,氯氰菊酯,药液,高光谱成像,光谱成像系统,高光谱图像,ROI,感兴趣区域,多元散射校正,MSC,竞争性自适应重加权算法,CARS,离散小波变换,DWT,小波基函数,高光谱数据,别输,多层感知机,MLP,KNN,建立模型,降维算法,层数,总体精度,Kappa,ms,分类识别,识别精度,休斯,快速检测,检测识别
AB值：
0.241607
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
