首页|基于优化SVM和BP神经网络检测双孢蘑菇早期病害

基于优化SVM和BP神经网络检测双孢蘑菇早期病害

扫码查看
原文链接
  • 万方数据
  • 维普
利用反向传播(back propagation,BP)神经网络及支持向量机(support vector machine,SVM)优化模型等算法实现了双孢蘑菇多酚氧化酶(polyphenol oxidase,PPO)的检测与双孢蘑菇的病害判别.首先各采集200个健康、染病双孢蘑菇在全波段(450～1000 nm)上的高光谱数据及其PPO值.采用竞争自适应加权算法(competitive adaptive reweighted sampling,CARS)和连续投影算法(successive projections algorithm,SPA)提取对PPO值敏感的特征波段,并建立偏最小二乘回归(partial least squares regression,PLSR)预测模型.结果表明SPA-PLSR模型(RP=0.917)的预测精度最高.其次采用逐步回归法对SPA提取的特征波长逐步引入与疣孢霉病相关的特征信息,再利用相关性分析探究所引入的特征信息与染病情况的相关性,最终优选出12个特征波长.对比了极限学习机(extreme learning machine,ELM)、SVM、粒子群优化后的支持向量机(particle swarm optimization-SVM,PSO-SVM)和BP神经网络4种模型对双孢蘑菇染病判别的结果,其中隐含层神经元节点数为14的BP神经网络模型建模效果最好,预测集总体判别率为94.737％.本研究建立的判别模型能够有效判别双孢蘑菇早期疣孢霉病.
Detection of early disease of Agaricus bisporus based on optimized SVM and BP neural network

黄亮、魏萱、陈子涵、温志强

展开 >

福建农林大学机电工程学院,福建 福州350002

福建农林大学食品学院,福建 福州350002

福建省农业信息感知技术重点实验室,福建 福州350002

福建水利电力职业技术学院,福建 永安366000

福建农林大学生命科学学院,福建 福州350002

展开 >

双孢蘑菇 BP神经网络 高光谱成像技术 逐步回归 PSO算法

61705037KFb22100XA

2022

10.13323/j.cnki.j.fafu(nat.sci.).2022.06.020

福建农林大学学报(自然科学版)
福建农林大学

福建农林大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.582
ISSN：1671-5470
年,卷(期)：2022.51(6)
  • 2
  • 16