图谱特征与卷积神经网络的名优大米无损鉴别

图谱特征与卷积神经网络的名优大米无损鉴别

1、发现问题

对优质大米掺假甚 至以次充好，损害了消费者利益和大米贸易，打击了生产者的生产积极性。

2、研究思路

采集了全国具有代表性的七种名优大米400-1000nm范围高光谱图像，并提取了每种大米的光谱、纹理与形态特征。***使用多元散射校正算法做光谱预处理消除光谱散射。连续投影算法（SPA）、竞争自适应重加权算法（CARS）以及两者级联方法（CARS-SPA）被用来选取光谱特征的重要波长；用 SPA选择形态、纹理特征的重要变量。最后使用深度学习网络-卷积神经网络（CNN）融合各类特征构建大米种类识别模型，而K-近邻（KNN）、随机森林（RF）用于与CNN模型相对比。

3、相关研究

【1】桂江生等提出了一种基于卷积神经网络 模型的大豆花叶病害的诊断识别方法,最终模型训练集识别率达到94.79,预测集识别率达到92.08%。

4、实验部分

每种大米的每个批次采集两张高光谱图像7种大米共采集42张高光谱图像。

4、1图谱特征的获取

4.1.1光谱特征

对高光谱图像